Cellular Learning Automata: Theory and Applications

این کتاب پیشرفت‌های نظری و کاربردی را در اتوماتای ​​یادگیری سلولی (CLA)، یک نوع مدل محاسباتی ترکیبی که با موفقیت در حوزه‌های مختلف برای حل مسائل پیچیده و مدل‌سازی، یادگیری یا شبیه‌سازی الگوهای رفتاری پیچیده مورد استفاده قرار گرفته است، برجسته می‌کند. با توجه به موازی و توانایی های یادگیری CLA، ثابت شده است که در محیط های نامشخص، متغیر، غیرمتمرکز و توزیع شده کاملاً مؤثر است.
کتاب با معرفی مختصری از مدل‌های مختلف CLA، قبل از تمرکز بر انواع CLA که اخیراً توسعه یافته‌اند، آغاز می‌شود. به نوبه خود، حوزه‌های تحقیقاتی مرتبط با CLA به عنوان دیدگاه‌های تحلیل شبکه کتاب‌سنجی مطرح می‌شوند. بخش بعدی کتاب راه‌حل‌های مبتنی بر CLA را برای چندین مشکل علوم رایانه ارائه می‌کند. بهینه سازی استاتیک، بهینه سازی پویا، شبکه های بی سیم، شبکه های مش و محاسبات ابری. با توجه به گستره آن، این کتاب برای همه محققان در زمینه هوش مصنوعی و یادگیری تقویتی مناسب است.

This book highlights both theoretical and applied advances in cellular learning automata (CLA), a type of hybrid computational model that has been successfully employed in various areas to solve complex problems and to model, learn, or simulate complicated patterns of behavior. Owing to CLA’s parallel and learning abilities, it has proven to be quite effective in uncertain, time-varying, decentralized, and distributed environments.
The book begins with a brief introduction to various CLA models, before focusing on recently developed CLA variants. In turn, the research areas related to CLA are addressed as bibliometric network analysis perspectives. The next part of the book presents CLA-based solutions to several computer science problems in e.g. static optimization, dynamic optimization, wireless networks, mesh networks, and cloud computing. Given its scope, the book is well suited for all researchers in the fields of artificial intelligence and reinforcement learning.