并行式與合作式學(xué)習(xí)自動(dòng)機(jī)及應(yīng)用研究.pdf

1、學(xué)習(xí)自動(dòng)機(jī)（Learning Automata，LA）是模擬生物學(xué)習(xí)行為的數(shù)學(xué)模型，屬于加強(qiáng)學(xué)習(xí)領(lǐng)域。學(xué)習(xí)自動(dòng)機(jī)因其具有完備的理論保證和良好的抗干擾能力，可廣泛應(yīng)用于隨機(jī)點(diǎn)定位等各種實(shí)際問(wèn)題的解決中，發(fā)展前景可觀。在這樣的背景下，本文對(duì)并行式和合作式多學(xué)習(xí)自動(dòng)機(jī)模型和應(yīng)用展開(kāi)研究。
　　首先通過(guò)分析經(jīng)典并行式學(xué)習(xí)自動(dòng)機(jī)模型，給出一種基于分散學(xué)習(xí)的并行式模型。該模型改進(jìn)了經(jīng)典并行式模型的運(yùn)行框架，先通過(guò)學(xué)習(xí)自動(dòng)機(jī)獨(dú)立分散的與環(huán)境交互

2、，再利用融合器對(duì)各學(xué)習(xí)自動(dòng)機(jī)得到的學(xué)習(xí)結(jié)果進(jìn)行融合。本文先介紹該模型，再?gòu)睦碚摵头抡鎯煞矫骝?yàn)證了基于分散學(xué)習(xí)的并行式模型的收斂性和運(yùn)行速度。
　　其次，本文基于上述研究成果研究隨機(jī)點(diǎn)定位問(wèn)題，針對(duì)隨機(jī)點(diǎn)定位方法CPL_ADS在學(xué)習(xí)自動(dòng)機(jī)搜索和子區(qū)間消除階段中存在的局限性，分別給出解決方案。結(jié)合上述的并行式模型，加快了學(xué)習(xí)自動(dòng)機(jī)搜索階段的速度。同時(shí)給出基于動(dòng)態(tài)規(guī)劃的子區(qū)間消除算法，降低了子區(qū)間消除階段的復(fù)雜度，對(duì)現(xiàn)有算法做出優(yōu)化。<