بهرهوری یکی از مهمترین عوامل اثرگذار روی عملکرد پروژ ههای ساخت است که تأثیر زیادی بر زمان و هزینهی این پروژهها دارد. بهکارگیری اقدامات لازم در راستای بهبود فاکتورهای مؤثر بر بهر هوری عامل از نگران یهای یک مدیر پروژه است. برآوردن این اقدامات ، منجر به صرفهجوی یهای زیادی از حیث منابع استفاده شده در پروژه و بهبود عملکرد پروژه از لحاظ اهداف مختلف زمانی، هزین های وکیفی م یشود. معمولاً در عمل روشهای برنامهریزی و کنترل سنتی برای بهبود بهرهوری مورد استفاد ه قرار میگیرد. با این حا ل، در سا لهای اخیر بهدلیل پیچیدگی پروژ ههای بزرگ و ناکارآمدی برنام هریزی سنتی، تمایل به استفاده ا ز راهکارهای هوش مصنوع ی برای رف ع مشکلا ت بهر هوری، نظر محققا ن را ب ه خود جلب کرد ه است. در میان مسائل مختلف بهرهور ی در پروژ ههای ساخت، بهرهوری ماشینآلات )برای مثال کامیونها( از اهمیت بالایی برخوردار هستند. رفت وآمد کامیونها،تداخل عبور و ترافیک حاصل از آن در کارگاه ساخت، بر بهرهوری آ نها اثر منفی م یگذارد؛ بنابراین کشف رو شهایی که بتواند منجر به بهبود بهر هوری کامیو نها بهخصوص در مواجهه با شرایط عدمقطعیت در ترافیک مسیر حرکت شود، ضرورت م ییابد. مطالعات محدودی در مورد مشکل ترافیک در مسیر حرکت و تأثیر آن بر بهرهوری کامیون در کارگاه ساخت صورت گرفته است. این تحقیق قسمتی از این کمبود را در علم بیان م یکند. یک مدل مبتنی بر عامل جهت بهبود بهر هوری کامیون )عامل( در شرایط ترافیک مسیر حرکت در کارگاه ساخت ارائه میشود. برای این منظور از یادگیری تقویتی و شبی هسازی مونت کارلو استفاده و مدل پیشنهادی در MATLAB کد نو یسی م یشود. اگرچه تئوری یادگیری تقویتی در رشت ههای کامپیوتر و برق ب هخوبی شناخته شده است، اما در ادبیات پروژه ساخت جدید است. این تئوری در آموزش عام لها برای یافتن بهترین راهحل هوشمندانه مؤثر است. اقدامات اصلی در استفاده از مد لسازی مبتنی بر عامل، تعیین عامل، طراحی وضعی تها و انتخاب تابع پاداش/جریمه مناسب است. در مدل پیشنهادی کامیون بهعنوان یک عامل هوشمند شناخته م یشود، وضعیتها، مکا نهای کامیون هستند و تابع پاداش/جریمه بر اساس کمترین زمان سفر در محیط )پروژه ساخت( طراحی م یشود. آموزش مطابق با تابع پاداش/جریمه و جهت تشویق عامل برای دستیابی به بهرهوری بهینه )یافتن مسی رهای بهینه برای انتقال مصالح ساخت( ارائه
