CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

بهینه سازی مسیر ربات با به کارگیری یادگیری تقویتی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۹۴۰ | نظرات: ۰
سال انتشار: ۱۳۹۲
کد COI مقاله: STSEE01_055
زبان مقاله: فارسی
حجم فایل: ۶۶۲.۰۶ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بهینه سازی مسیر ربات با به کارگیری یادگیری تقویتی

  نکیسا کیانی - دانشگاه سیستان و بلوچستان، دانشجوی کارشناسی ارشد گروه علوم کامپیوتر

چکیده مقاله:

همراه با توسعه فناوری ربات، یک ربات نه تنها نیازمند تکمیل یک کار خاص است، بلکه مستلزم طرح ریزی مسیر در روند اجرای آن کار نیز می باشد. این مقاله یک روش طرح ریزی مسیر ربات، مبتنی بر یادگیری تقویتی را با هدف فرایند تصمیم گیری مارکوف معرفی مینماید. در این مقاله، مفهوم بنیادی، اصول و روش یادگیری تقویتی و برخی از الگوریتم های دیگر مطرح شده است. سپس، طرح ریزیمسیر ربات واحدی در محیط ایستا مبتنی بر یادگیری- Q مورد مطالعه قرارگرفته و کاربرد این الگوریتم بر روی طرح ریزی مسیر از طریق تنظیم فضای حرکت و عمل و طرح ریزی تابع تقویتی توصیف شده است . برخی از آزمایشات را از طریق شبیه سازی در نرم افزار متلب، که این الگوریتم را به صورت بصری مجسم می کنند، انجام شده و مسیر بهینه به دست آمده است

کلیدواژه‌ها:

یادگیری تقویتی، فرایند تصمیم گیری مارکوف، یادگیری- Q

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-STSEE01-STSEE01_055.html
کد COI مقاله: STSEE01_055

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
کیانی, نکیسا، ۱۳۹۲، بهینه سازی مسیر ربات با به کارگیری یادگیری تقویتی، اولین همایش تخصصی علوم، فناوری و سامانه های مهندسی برق، تهران، دانشگاه پیام نور استان تهران، https://www.civilica.com/Paper-STSEE01-STSEE01_055.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (کیانی, نکیسا، ۱۳۹۲)
برای بار دوم به بعد: (کیانی، ۱۳۹۲)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • C.L. Chen, Autonomous Learning and Navigation Control for Mobile Robots ...
  • X.D. Zhuang, Q.C. Meng, B. Yin, A Method of Robot ...
  • T.H. Lee, H.K. Lam, F.H.F.Leung, P.K.S.Tam, Apraetieal Fuzzy Logie Controller ...
  • C.Davies, P.Lingras .Grentie Algorithms for Rerouting in Dynamic and Stoehastie ...
  • W.G. Liu, Z.P. Chen, Y. Zhang. MATLAB Program Design and ...
  • J.H. Chu, improvement of Q-learning Reinforcement learning algorithm and its ...
  • E. Yang, D.B. Gu. A Multiagent Fuzzy Policy Reinforcement Learning ...
  • R.Y. Sun, G. Zhao, An Efficient Multi-Agent Q-learning Method Based ...
  • Y. Zhang; J.P. Liu, Research on Improvement of QLearing and ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۸۵۹۸
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.