一种基于强化学习Q-Learning的模糊控制“云做青”智能算法

摘要

本发明涉及一种基于强化学习Q‑Learning的模糊控制“云做青”智能算法。首先，将制茶时的环境信息模糊化后作为做青模糊强化系统规则库中模糊规则的前件，通过强化学习系统获取模糊规则的结论即模糊规则的后件，并将做青桶包括转动方向、转动程度、转动时间的不同组合作为强化学习系统的动作集，每一条模糊规则的后件为强化学习系统的动作集中的一个；其次，建立做青模糊强化系统规则库，即每条模糊规则的前件分别对应动作集中的所有动作，并作为该条模糊规则可能的后件，同时为每一个动作分配一个函数作为动作的评估值；通过更新每条模糊规则可能动作的值，在学习之后选择模糊规则中的具有最大值的动作作为模糊规则的结论，从而得到最终的模糊控制输出。