سال انتشار: ۱۳۹۱

محل انتشار: دومین کنفرانس ملی مهندسی نرم افزار

تعداد صفحات: ۷

نویسنده(ها):

فرهاد عابدینی – دانشگاه آزاد اسلامی واحد رودسرواملش رودسر
فریبرز محمودی – دانشگاه آزاد قزوین
سعید یوسفخواه کلدره – دانشگاه آزاد رودسرواملش رودسر

چکیده:

الگوریتم های پیگیری زیرمجموعه الگوریتم های تخمین زننده ای هستند که خود ازجمله سریعترین الگوریتم های اتوماتای یادگیرند الگوریتم های پیگیری اولیه (DP_RI DP_RP CP_RI CP_RP) از دودیدگاه پیوسته وگسسته برای انتخاب اقدام بهینه جاری استفاده می کنند که الگوی یادگیری آنها الگوی پاداش – جریمه و یا پاداش – سکون است الگوریتم هایی که بعدا معرفی شدند دو الگوریتم پیوسته و گسسته تعمیم یافته اند DGPA GPA) که بجای پیگیری فقط اقدام انتخاب شده بهینه جاری تمام اقدامهایی را که تخمین پاداششان بیشتر ازاقدام انتخاب شده بهینه جاری است را پیگیری می نمایند اما این الگوریتم ها تاکنون فقط براساس الگوی یادگیری پاداش – جریمه بررسی شده اند.