Networks of Learning Automata: Techniques for Online Stochastic Optimization

Networks of Learning Automata: Techniques for Online Stochastic Optimization یک گزارش جامع از یادگیری مدل‌های خودکار با تأکید بر سیستم‌های چند خودکار است. این سنتز ساختارهای یادگیری پیچیده را از بلوک‌های ساختمانی ساده در نظر می‌گیرد و از الگوریتم‌های تصادفی برای اصلاح احتمالات انتخاب اقدامات استفاده می‌کند. تحلیل ریاضی رفتار بازی ها و شبکه های پیشخور ارائه شده است. الگوریتم های در نظر گرفته شده در اینجا می توانند برای بهینه سازی آنلاین سیستم ها بر اساس اندازه گیری های نویز شاخص عملکرد استفاده شوند. همچنین، الگوریتم هایی که همگرایی را به بهینه جهانی تضمین می کنند ارائه شده اند. عملیات موازی سیستم های اتومات برای بهبود سرعت همگرایی شرح داده شده است. نویسندگان همچنین بحث گسترده‌ای را در مورد چگونگی ساخت راه‌حل‌های خودکار یادگیری در برنامه‌های مختلف شامل می‌شوند.

Networks of Learning Automata: Techniques for Online Stochastic Optimization is a comprehensive account of learning automata models with emphasis on multiautomata systems. It considers synthesis of complex learning structures from simple building blocks and uses stochastic algorithms for refining probabilities of selecting actions. Mathematical analysis of the behavior of games and feedforward networks is provided. Algorithms considered here can be used for online optimization of systems based on noisy measurements of performance index. Also, algorithms that assure convergence to the global optimum are presented. Parallel operation of automata systems for improving speed of convergence is described. The authors also include extensive discussion of how learning automata solutions can be constructed in a variety of applications.