هدایت فازی ربات های خود مختار با استفاده از یادگیری تشدیدی و بهینه سازی کلونی زنبور ... |
فهرست شکل ها
شکل(2‑1): معماری سلسله مراتبی جهت ناوبری ربات………. 12
شکل(2‑2): معماری مبتنی بر رفتار جهت ناوبری ربات…….. 15
شکل(2‑3): معماری رده بندی جهت ناوبری ربات…………… 15
شکل(2‑4): معماری الگوهای حرکتی جهت ناوبری ربات……… 16
شکل(2‑5): معماری ترکیبی جهت ناوبری ربات…………….. 18
شکل(3‑1): توابع عضویت فازی متغیرهای ورودی………….. 25
شکل(3‑2): روش فازی زدایی متوسط مقدار بیشینه………… 26
شکل(4-1): ربات کپرا……………………………… 35
شکل(4‑2): میزان دریافت نور بازتاب شده از موانع مختلف توسط گیرندههای مادونقرمز ربات کپرا…………………….. 36
شکل(4-3): توابع عضویت فازی ورودی …………………. 38
شکل(4-4): نمایش راستای محاسبه زاویه چرخش در دستگاه کارتزین 39
شکل(4-5): الگوریتم یادگیری Q فازی…………………. 40
شکل(4-6): فلوچارت الگوریتم یادگیری Q فازی پیشنهادی….. 41
شکل(4-7): بهینه سازی غیربرخط پارامترهای کلیدی یادگیری Q و سامانه استنباط فازی……………………………….43
شکل(4-8): محیط در نظر گرفته شده جهت فرآیند بهینه سازی.. 44
شکل(4-9): نمودار بهینه سازی تابع هدف بر حسب تعداد تکرارها 45
شکل(4-10): فلوچارت الگوریتم بهینه سازی…………….. 46
شکل(5-1): پنجره آماده سازی KiKS…………………… 49
یک مطلب دیگر :
شکل(5-2): نمونه شکل های موانع……………………. 52
شکل(5-3): عملکرد الگوریتم یادگیری Q فازی در محیط ساده.. 56
شکل(5-4): عملکرد الگوریتم فازی در محیط ساده………… 56
شکل(5-5): عملکرد الگوریتم یادگیری Q فازی در محیط ساده.. 57
شکل(5-6): عملکرد الگوریتم فازی در محیط ساده………… 57
شکل(5-7): عملکرد الگوریتم یادگیری Q فازی در محیط ساده.. 58
شکل(5-8): عملکرد الگوریتم فازی در محیط ساده………… 58
شکل(5-9): عملکرد الگوریتم یادگیری Q فازی در محیط معمولی 59
شکل(5-10): عملکرد الگوریتم فازی در محیط معمولی……… 59
شکل(5-11): عملکرد الگوریتم یادگیری Q فازی در محیط معمولی 59
شکل(5-12): عملکرد الگوریتم فازی در محیط معمولی……… 59
شکل(5-13): عملکرد الگوریتم یادگیری Q فازی در محیط معمولی 60
شکل(5-14): عملکرد الگوریتم فازی در محیط معمولی……… 61
شکل(5-15): عملکرد الگوریتم یادگیری Q فازی در محیط پیچیده 62
فرم در حال بارگذاری ...
[جمعه 1399-08-09] [ 12:02:00 ب.ظ ]
|