ولی سرلک - کارشناس ارشد مهندسی کامپیوتر، هوش مصنوعی و رباتیک، دانشگاه بین المللی امام رضا (ع) مشهد
مهدی رائیجی یانه سری - کارشناس ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین المللی امام رضا (ع) مشهد
مجید وفایی جهان - استادیار گروه کامپیوتر، نرم افزار، دانشگاه بین المللی امام رضا ع
فاطمه ابویی مهریزی - کارشناس ارشد مهندسی کامپیوتر، هوش مصنوعی، دانشگاه بین المللی امام رضا (ع) مشهد

یک ساختار پیچیده mazeبا مجموعه ای از مسیرهای متصل است. درmazeهدف آن است که ربات از نقطه شروع به نقطه خروج در کوتاهترین تعداد مراحل برود. در هر نقطه اعمال قابل دسترس ربات رفتن به چپ، راست یا مستقیم است. دراین مقاله ابتدا تعریفی ازMAZEوسپس حل آن وبا استفاده از یادگیری تقویتی سعی در پیدا کردن یک سیاست بهینه و مطلوب داریم.

یادگیری تقویتی ، لابیرنت/