مطالعه رفتار اتوماتای یادگیر سلولی و کاربرد آن در حل مسایل بغرنج

اتوماتای یادگیر سلولی، یک مدل ریاضی برای سیستم هایی است که از اجزاء ساده ای تشکیل شده اند و رفتار هر جزء بر اساس رفتار همسایگانش و نیز تجربیات گذشته اش تعیین و اصلاح می شود. اجزاء ساده تشکیل دهنده این مدل، از طریق تعامل با یکدیگر می توانند رفتار پیچیده ای از خود نشان دهند. هر اتوماتای یادگیر سلولی، از یک اتوماتای سلولی تشکیل شده است که هر سلول آن به یک یا چند اتوماتای یادگیر مجهز می باشد که وضعیت این سلول را مشخص می سازد. در این اتوماتا, قانون محلی در محیط حاکم است و این قانون تعیین می کند که آیا عمل انتخاب شده توسط یک اتوماتا در یک سلول باید پاداش داده شود و یا جریمه شود. عمل دادن پاداش و یا جریمه منجر به بروز شدن ساختار اتوماتای یادگیر سلولی برای رسیدن به یک هدف مشخص می گردد. این پایان نامه از سه بخش تشکیل شده است. در بخش اول از این پایان نامه, رفتار اتوماتای یادگیر سلولی در مورد قوانین متفاوت بررسی شده و یک طبقه بندی برای اتوماتای یادگیر سلولی ارایه شده است. در بخش دوم از این پایان نامه, سه الگوریتم تقریبی مبتنی بر اتوماتای یادگیر سلولی برای حل مسأله رنگ آمیزی گراف پیشنهاد شده و الگوریتم های پیشنهادی با الگوریتم های تقریبی بلام, کارگر و هالپرین مقایسه شده است. بر اساس نتایج به دست آمده الگوریتم های پیشنهادی نتایج بهتری را در مقایسه با الگوریتم های فوق الذکر تولید می کنند. در بخش سوم این پایان نامه, مسأله بزرگترین برش در گراف بررسی شده و سه الگوریتم تقریبی مبتنی بر اتوماتای یادگیر سلولی برای حل این مسأله پیشنهاد شده است. الگوریتم های پیشنهادی با الگوریتم های تقریبی سهنی, ژئومنس, ترکیبی و نیز الگوریتم ژنتیک مقایسه شده اند. طبق نتایج به دست آمده الگوریتم های پیشنهادی نتایج بهتری را در مقایسه با الگوریتم های ذکر شده تولید می کنند.