فرزانه قربانی - دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد
ولی درهمی - دانشکده مهندسی برق و کامپیوتر، دانشگاه یزد
حسین نظام آبادی پور - دانشکده مهندسی برق، دانشگاه شهید باهنر کرمان

تکرار سییاست کمترین مربعات فازی الگوریتمی جدید در ترکیب یادگیری تقویتی و فازی میباشد. این روش از ترکیب روش تکرار سیاست کمترین مربعات با یک سیستم فازی سوگنوی مرتبه صفر حاصل شده است و در فضای حالت و عمل پیوسته قابلاجرا اسیت. این الگوریتم بر روی تعدادی از مسیالل پیاده سیازی شده است و کارایی آن در مقایسه با الگوریتمهای موجود یادگیری تقویتی فازی دیده شده است. در این مقاله تحلیل ریاضی مثبتی برای این الگوریتم اراله میدهیم. این تحلیل ریاضی، علاوه بر اثبات کارآمدی سیستم فازی تعریف شده در روش تکرار سیاست کمترین مربعات فازی، منجر به تعریف یک کران خطا برای این الگوریتممیشود. کران خطای به دست آمده، کارایی الگوریتم تکرار سیاست کمترین مربعات فازی را در صورت داشتن شرایط مطلوب در طول فرآیند یادگیری، تضمین میکند

تحلیل ریاضی، یادگیری تقویتی، کرار سیاستکمترین مربعاتت ، تقریب تابع حالت-عمل، سیستم فازی