Recent Advances in Learning Automata

این کتاب پیشرفت‌های نظری اخیر و کاربردهای عینی یادگیری خودکار (LAs) را در حوزه‌های مختلف علوم رایانه جمع‌آوری می‌کند، و درمان گسترده‌ای از رشته علوم رایانه را در سبک نظرسنجی ارائه می‌کند. ثابت شده است که اتوماتای ​​یادگیری (LAs) عوامل تصمیم گیری موثری هستند، به ویژه در محیط های تصادفی ناشناخته. کتاب با توضیح مختصری در مورد LA و تغییرات پایه آنها شروع می شود. متعاقباً خوانندگان را با تعدادی از ساختارهای پیچیده و توسعه یافته اخیراً مورد استفاده برای تکمیل LA آشنا می کند و رفتارهای حالت پایدار آنها را توصیف می کند. این ساختارهای پیچیده به این دلیل توسعه داده شده اند که، LA ها با طراحی، واحدهای ساده ای هستند که برای انجام کارهای ساده استفاده می شوند. تنها زمانی می توان از پتانسیل کامل آنها استفاده کرد که چندین LA به هم پیوسته برای ایجاد یک هم افزایی گروهی با یکدیگر همکاری کنند. به شبکه های همتا به همتا، به شبکه های اجتماعی پیچیده و در نهایت به شبکه های پتری. این کتاب خواننده را در سفری جامع همراهی می‌کند، از مفاهیم اساسی شروع می‌شود، تا یافته‌های نظری اخیر ادامه می‌یابد و به کاربردهای LA در مسائلی از حوزه‌های تحقیقاتی متعدد ختم می‌شود. به این ترتیب، این کتاب منبع ارزشمندی برای همه مهندسان کامپیوتر، دانشمندان و دانشجویان، به ویژه کسانی که کارشان شامل حوزه های یادگیری تقویتی و هوش مصنوعی است، ارائه می دهد.

This book collects recent theoretical advances and concrete applications of learning automata (LAs) in various areas of computer science, presenting a broad treatment of the computer science field in a survey style. Learning automata (LAs) have proven to be effective decision-making agents, especially within unknown stochastic environments. The book starts with a brief explanation of LAs and their baseline variations. It subsequently introduces readers to a number of recently developed, complex structures used to supplement LAs, and describes their steady-state behaviors. These complex structures have been developed because, by design, LAs are simple units used to perform simple tasks; their full potential can only be tapped when several interconnected LAs cooperate to produce a group synergy.
In turn, the next part of the book highlights a range of LA-based applications in diverse computer science domains, from wireless sensor networks, to peer-to-peer networks, to complex social networks, and finally to Petri nets. The book accompanies the reader on a comprehensive journey, starting from basic concepts, continuing to recent theoretical findings, and ending in the applications of LAs in problems from numerous research domains. As such, the book offers a valuable resource for all computer engineers, scientists, and students, especially those whose work involves the reinforcement learning and artificial intelligence domains.