روش نويني بر پايه Fuzzy Actor-Critic و اثبات همگرايي آن

روشهاي برگرفته ازيادگيري ماشين machine learning و بهويژه روشهاي مبتني بريادگيري تقويتي كه بصورت گسترده براي داده كاوي و كنترل سيستمهاي ديناميكي به كارميرود اصولا برمبناي رهيافت فضاي حالت (state spaceطراحيشده و به همين دليل غالبا ماهيتي گسسته دارند از انجا كه بسياري ازمسائل واقعي درحوزه مهندسي با محيطهاي پيوسته سروكار دارند نياز به روشهاي هوشمندي كه بدون نياز به يك مدل دقيق رياضي ازسيستم و صرفا از طريق يادگيري بتوانند رفتارسيستم را پيش بيني كرده و عملكرد آن را كنترل نمايند روز بروز بيشتر احساس ميشود دراين مقاله روش جديدي برپايه الگوريتم Fuzzy Actor-Critic براي حل مسايل كنترلي درمحيطهاي پيوسته ارايه ميگردد روش مزبور با استفاده ازتخمين يك تابع ارزش value function جديد رفتار سيستم را بصورت پيوسته شبيهسازي كرده و سياست policy) بهينه براي رسيدن به هدف را با كمترين هزينه محاسباتي بدست ميدهد.