کاربرد یادگیری تقویتی برخط بمنظور توسعه خودکار منطق خودتطبیقی در سیستم های اطلاعاتی خود تطبیق

سیستم های خودتطبیق، قادرند با وجود تغییرات در محیط های پویا نیازمندی های کیفیشان را حفظ کنند. برای توسعه این سیستم ها،مهندسان باید بتوانند منطق خودتطبیقی که زمان و نحوه تطبیق سیست را به شکل مناستبی بیان نماید، ایجاد کنند. توسعه منطقخودتطبیق سیست ، به دلیل عدم قطعیت ها در زمان طراحی، دشوار است زیرا نمی توانی تمام تغییرات محیطی بالقوه را پیش بینیکنیم. یادگیری تقویتی برخط با یاد گرفتن اثربخشی عملیات تطبیق از طریق تعامل سیست با محیط در زمان اجرا، مشکل عدم قطعیتزمان طراحی را برطرف می کند، و می تواند توسعه منطق خودتطبیقی را بطور خودکار درآورد. روشهای یادگیری تقویتی برخط موجود برایتوسعه سیستم های خودتطبیق، دو نقص دارند که درجه خودکارسازی را محدود می کند:۱ - نیازمند تنظی دقیق نرخ اکتشاف بصورت دستی هستند و ۲ - ممکن است برای تقویت مقیاس پذیری نیاز به کمی سازی حالت هایمحیطی به صورت دستی داشته باشد. در این مقاله رویکردی را برای خودکارسازی فعالیت های دستی فوق الذکر با استفاده از یادگیریتقویتی مبتنی بر سیاست، به عنوان نوع متفاوتی از یادگیری تقویتی معرفی می کنیم. امکان سنجی و کاربرد رویکرد را در توسعه منطقیک سیستم اطلاعاتی خودتطبیق نشان می دهیم.

Keywords:

منطق خود تطبیق , یادگیری تقویتی برخط , عدم قطعیت , سیستم خودتطبیق