بهبود تعداد مراحل رسيدن به هدف در نقشه هاي ماز با استفاده از يك سيستم طبقه بند يادگيرجديد

Improving the number of steps to reach the goal in the maze using A new learning classifier system

سيستم هاي طبقه بند يادگير در مسير يابي ربات هاي هوشمند در محيط هاي مختلف بسيار كار آمد مي باشند. يكي از اين نوع سيستمها كه اخيرا مورد توجه محققان قرار گرفته است سيستمهاي مبتني بر دقت XCSاست بهبود مسير يابي يك محيط ماز كه الگوي مناسبي براي يك ربات مسير ياب مي باشد بسته به نوع چينش محيطي مي تواند پيچيدگي هاي مختلفي داشته و از توپولوژي هاي مختلفي تبعيت كند . كاهش تعداد قدم هاي يك مساله در محيط ماز در افزايش زمان رسيدن به هدف در محيط ماز از جمله دغدغه هاي مهم در اين نوع محيط هاست. در اين مقاله با ارائه يك روش جديد ، در سه نقشه از نقشه هاي ماز نسبت به كاهش تعداد قدم هاي دررسيدن به هدف پرداخته شده است. با توجه به اينكه اين سيستم ها معمولا غير مار كوفي است از حافظه در نگهداري بهترين تركيب شرط- كنش استفاده شده است . نتايج بدست آمده مويد بهبود عملكرد ماز به روش جديد در مقايسه با ساير روش ها است .