انجمن سیستم های فازی ایران سیستم های فازی و کاربردها 2717-4409 9 1 2026 06 22 Optimal fuzzy control based on SAC reinforcement learning for nonlinear and chaotic fractional-order systems کنترل فازی بهینه مبتنی بر یادگیری تقویتی ‎SAC‎ برای سیستم‌های غیرخطی و آشوبناک مرتبه کسری 1 36 242394 10.22034/jfsa.2026.568605.1296 FA سپیده نیک فهم گروه ریاضی،دانشگاه پیام نور، تهران، ایران سعید میرزاجانی گروه علوم پایه، دانشگاه ملی مهارت، تهران، ایران عقیله حیدری گروه ریاضی ،دانشگاه پیام نور، تهران، ایران Journal Article 2025 12 26 In this work, a Guaranteed-Cost Fuzzy Gain-Composite (GC-FGC) control scheme was<br>introduced to stabilize a specialized class of chaotic fractional-order Takagi–Sugeno (T–S) fuzzy<br>nonlinear optical systems. The controller design was grounded in fractional-order Lyapunov theory<br>and formulated using Linear Matrix Inequality (LMI) conditions, enabling the effective handling of<br>the complex chaotic dynamics inherent in such systems. The proposed method ensures asymptotic<br>stability and further incorporates a dynamics-free control strategy that remains robust in the presence<br>of system uncertainties and input saturation constraints. To decouple the control rules from the specific<br>system dynamics, the design leverages the norm-bounded nature of the chaotic system states.<br>Furthermore, a deep reinforcement learning framework based on the Soft Actor-Critic (SAC) algorithm<br>was employed to fine-tune the internal coefficients of the GC-FGC controller. By optimizing a reward<br>function through the SAC agent's neural network, an optimal policy was derived that guarantees finitetime convergence and satisfied the sliding surface reachability conditions. The effectiveness and<br>applicability of the proposed control framework were verified through comprehensive simulations and<br>two illustrative numerical case studies کنترل سیستم‌های غیرخطی مرتبه کسری با رفتار آشوبناک به دلیل حساسیت بالا و دینامیک پیچیده، از چالش‌های مهم در کنترل مدرن محسوب می‌شود. در این پژوهش، یک روش کنترلی با نام کنترل ترکیبی فازی با هزینه تضمین‌شده برای پایدارسازی این سیستم‌ها ارائه شده است. طراحی کنترلر بر اساس نظریه لیاپانوف مرتبه کسری و شرایط نابرابری ماتریسی خطی صورت گرفته است که امکان مدیریت دینامیک پیچیده و مقاوم در برابر عدم قطعیت و محدودیت‌های ورودی را فراهم می‌کند. نتایج شبیه‌سازی‌ها نشان می‌دهند که روش پیشنهادی همگرایی سیستم را تضمین می‌کند، پایداری حلقه بسته را حفظ می‌نماید و توانایی تنظیم تطبیقی پارامترهای کنترلر از طریق یادگیری تقویتی ‎Soft-Aⅽtor−Ⅽritiⅽ‎ ،‎(SAC)‎ عملکرد بهینه و مقاومت در برابر نوسانات و آشوب سیستم را فراهم می‌آورد. این مطالعه کنترل ترکیبی فازی با تضمین هزینه را با چارچوب یادگیری تقویتی ‎SAC‎ ترکیب می‌کند تا یک روش پایدار، مقاوم و مستقل از دینامیک خاص سیستم ارائه دهد. این رویکرد، یک سیاست کنترلی بهینه استخراج می‌کند که همگرایی در زمان محدود و دسترسی به نقطه تعادل را تضمین می‌نماید که یک پیشرفت قابل توجه نسبت به روش‌های سنتی کنترل فازی و مرتبه کسری محسوب می‌شود. https://jfsa.fuzzy.ir/article_242394_654a7dc8579a51a7a7b7ad574608b36c.pdf