Intelligent Random Walk: An Approach Based on Learning Automata

این کتاب الگوریتم‌های پیاده‌روی تصادفی هوشمند مبتنی بر یادگیری خودکار را بررسی می‌کند: این نسخه‌های الگوریتم‌های پیاده‌روی تصادفی به تدریج اطلاعات مورد نیاز را از ماهیت برنامه برای بهبود کارایی خود به دست می‌آورند. این کتاب همچنین کاربردهای مربوط به این نوع الگوریتم پیاده‌روی تصادفی، به‌ویژه به عنوان یک مدل پیش‌بینی کارآمد برای شبکه‌های مقیاس بزرگ مانند شبکه‌های همتا به همتا و اجتماعی را توصیف می‌کند. این کتاب افق‌های جدیدی را برای طراحی مدل‌های پیش‌بینی و روش‌های حل مسئله بر اساس الگوریتم‌های پیاده‌روی تصادفی هوشمند می‌گشاید که برای مدل‌سازی و شبیه‌سازی در انواع مختلف شبکه‌ها از جمله شبکه‌های رایانه‌ای، اجتماعی و بیولوژیکی استفاده می‌شود و ممکن است طیف وسیعی از آنها استفاده شود. از برنامه های دنیای واقعی.

This book examines the intelligent random walk algorithms based on learning automata: these versions of random walk algorithms gradually obtain required information from the nature of the application to improve their efficiency. The book also describes the corresponding applications of this type of random walk algorithm, particularly as an efficient prediction model for large-scale networks such as peer-to-peer and social networks. The book opens new horizons for designing prediction models and problem-solving methods based on intelligent random walk algorithms, which are used for modeling and simulation in various types of networks, including computer, social and biological networks, and which may be employed a wide range of real-world applications.