حسام منتظری - دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
سجاد مرادی - دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر
رضا صفابخش - دانشکده کامپیوتر و فناوری اطلاعات، دانشگاه صنعتی امیرکبیر

این مقاله ارائه و تعمیم فضای پیوسته وضعیت و عمل را در مساله یادگیری تقویتی بررسی می کند. مدل پیشنهادی فضای وضعیت و عمل روش تقویتی را با استفاده از نقشه های خود سازمان ده رشد یابنده ارائه می کند. نقشه های خود سازمان ده رشد یابنده، تقریب فضای مساله را با حذف و اضافه کردن نورون انجام می دهند. نشان داده شده است که نقشه های رشد یابنده عملکرد بهتری نسبت به نقشه خود سازمان ده استاندارد در حفظ توپولوژی ، کاهش خطای کوانتیزاسیون ، و تقریب توزیع نا ایستا دارند. پیش از این یادگیری تقویتی با استفاده از نقشه های خود سازمان ده استاندارد مورد استفاده قرار گرفته بود، اما علی رغم مزیت نقشه های خود سازمان ده رشد یابنده به نقشه خود سازمان ده استاندارد، ترکیب یادگیری تقویتی با نقشه های خود سازمان ده رشد یابنده به دلیل تعداد متغیر نورون های آن امکانپذیر نبود. در این مقاله الگوریتم یادگیری تقویتی جدیدی مبتنی بر این نوع نقشه ها ارائه شده است که دارای جدول کیو رشد یابنده است که در اننحوه مقدار دهی اولیه، رشد، و بروز رسانی جدول کیومورد بررسی قرار گرفته است. نتایج آزمایشات تجربی که در برکاردی از رباتیک، حاکی ازموفقیت روش ارائه شده است.

تعمیم ، فضای وضعیت و عمل پیوسته ، نقشه های خود سازمان ده رشد یابنده ، یادگیری تقویتی