کاربرد روش یادگیری تفاوت زمانی در مهندسی کنترل
Abstract
در طول سالیان گذشته ، تلاشهای زیادی در زمینه بهره برداری از یادگیری تقویتی به عنوان ابزار هوش مصنوعی و کنترل هوشمند صورت پذیرفته است و بر اثر موفقیت تحقیقاتی کاربرد یادگیری تقویتی در سیستم های کنترلی پردازشی ، تعداد زیادی از تحقیقات انجام یافته در دو دهه گذشته یادگیری عاطفی هم در سالهای اخیر دراین نوع کاربردها به طور موفقیت آمیز بکار برده شده است. هنگام تصمیم گیری در مورد چگونگی استفاده از سیگنال های عاطفی و تقویتی در سیستم های دینامیکی توجه به این موضوع حائز اهمیت است که مطلوبیت وضعیت کنونی ( و یا عدم مطلوبیت آن) از نظر امکان موفقیت یا شکست برای سیستم فقط بستگی به آخرین تصمیم اتخاذ شده ندارد و حالت فعلی براساس تصمیمات اتخاذ شده در آخرین دوره تا چند دوره قبل از آن حاصل شده است. لذا پاداش یا تنبیه مناسب با سیگنال تقویت یا سیگنال عاطفه به نحو مناسب در این دوره ها توزیع شده است. روش یادگیری تفاوت زمانی روشی است برای تخصیص اعتبار که در کاربردهای کنترلی عاطفی و تقویتی می تواند درافزایش قوام سیستم کنترل با پویایی بالا و به ویژه در مواردی چون سیستم های غیرکمینه فاز و سیستمهای با تاخیر موثر باشد.