در این مقاله، شیوه ای جهت انتخاب فضای ویژگیها و کاهش ابعاد، با استفاده از یادگیری تقویتی ارائه می شود. به این منظور از یک سیستم چند عامله اشتفاده شده که در آن عاملهای یادگیرنده می کوشند تا با مواجهه با مساله و همکاری با یکدیگر به یک هدف مشترک، که به دست آوردن مجموعه ای از بهترین ویژگیها میباشد، برسند. یادگیری عاملها به واسطه بررسی میزان تاثیر گروهی از ویژگیها، بر اساس بیشترین جداپذیری که در بین داده ها ایجاد می کنند، با سعی و خطا خواهد بود. این جداپذیری مبتنی بر روش جداپذیری فیشر و استفاده از ضریب همبستگی در جهت بیشینه کردن حداقل فاصله کلاسها می باشد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

در دهه های اخیر، با افزایش چشمگیر وسایل نقلیه و حجم نقل و انتقالات، زمان های سفرهای درون شهری افزایش یافته است. کند شدن شریان توسعه و اقتصاد شهری، افسردگی، کاهش توان فردی، مصرف بسیار زیاد سوخت، افزایش سطح دی اکسید کربن و سایر آلاینده های محیطی، ترافیک را به صورت یک معضل اجتماعی - اقتصادی در آورده است، به گونه ای که مدیریت و کنترل صحیح آن اهمیت زیادی یافته و در دستور کار مسوولین قرار گرفته است.در حال حاضر اکثر سیستم های کنترل ترافیک از قوانین ثابت و از پیش تعیین شده ای استفاده می کنند، که تحت عنوان آیین نامه ها، دارای جامعیت عمومی بوده و کمتر با شرایط و تغییرات محلی سازگارند، در حالیکه، مطالعات جدید نشان می دهد که اتخاذ استراتژی ها به صورت بی درنگ و متناسب با تغییرات محیط، زمان های انتظار در پشت چراغ ها را 5 تا 15 درصد کاهش می دهد.سیستم های کنترل ترافیک به منظور بهبود عملکرد خود می بایست تغییرات تدریجی در محیط ترافیکی را شناسایی کرده، نحوه تغییرات را تخمین زنند، و خود را با آن تطبیق دهند. همچنین اینگونه سیستم ها می بایست قادر به کنترل شرایط غیر قابل پیش بینی نظیر تصادفات نیز بوده، و آنها را به وسیله ابزار ترافیکی (نظیر چراغ های راهنمایی) و همکاری بین آنها کنترل نماید. به منظور طراحی و پیاده سازی چننی عامل هایی روش های یادگیری ماشینی هوشمند انتخاب مناسبی می نماید.این مقاله با ادغام روش های تعمیم و تقریب خطی با داده های اتخاذ شده از حس گرهای متعارف ترافیکی و نیز استفاده از روش یادگیری تقویتی، روشی کارا با بار حافظه ای و محاسباتی کم به منظور کنترل جریان ترافیک ارایه می دهد.

لطفا برای مشاهده چکیده به متن کامل (PDF) مراجعه فرمایید.

یکی از مسایل مطرح در محیط های گرید، مدیریت بار منابع و موازنه بار در سیستم می باشد. ناهمگونی منابع، پویایی محیط گرید و تنوع کارهای ورودی به گرید از جمله مسایلی هستند که توسعه الگوریتم های بهینه موازنه بار را با مشکل مواجه می سازند. در این مقاله با مدل کردن محیط گرید بعنوان یک محیط یادگیری تقویتی و اعمال الگوریتم یادگیری تقویتی SARSA (l) در تصمیمی گیری ها، روشی برای تخصیص کارها به منابع و موازنه بار ارایه داده ایم. در این روش تخصیص کارهای ورودی به منابع بگونه ای است که سطح مطلوبی از توازن بار در گرید حاصل می شود. روش ارایه شده، در یک محیط گرید واقعی مورد آزمایش قرار گرفته و نتایج تجربی نشان دهنده کارایی مناسب و تطبیق پذیری این روش با شرایط پویای گرید می باشد.

روش هوشمند "آتوماتای یادگیری تقویتی انتخابی" یک روش ابتکاری جهت حل مسایل بهینه سازی است، که ایده آن از رفتار موجودات زنده هنگام یادگیری برگرفته شده است. این تکنیک برای حل انواع مسایل برنامه ریزی پویا و شبکه قابل استفاده می باشد. در این مقاله برای آزمودن کارایی الگوریتم، مساله فروشنده دوره گرد مدلسازی و حل شده است و در نهایت ضریب کارایی روش نسبت به جواب بهینه به دست آمده است.

استفاده از برنامه ریزی پویای استوکستیک (SDP) در مدلهای بهینه سازی بزرگ مقیاس منابع آب به دلیل نیاز به گسسته سازی متغیرهای حالت و تصمیم و در نتیجه بروز مشکل ابعادی با محدودیتهای جدی مواجه است. روش یادگیری تقویتی (RL) یکی از تکنیکهای پیشرفته مبتنی بر شبیه سازی در حل مسایل تصمیم گیری متوالی در محیط استوکستیک است. در این مقاله، مساله بهینه سازی تخصیص بار آلاینده در رودخانه با استفاده از RL حل شده و کارایی روش با مدل SPD مقایسه گردیده است. نتایج نشان دهنده همگرایی مطلوب روش RL در نیل به جواب بهینه مساله تحت بررسی و سرعت بالاتر آن در مقایسه با روش SDP است.