يك الگوريتم جستجوي جديد از روش جستجوي قدم هاي تصادفي براي شبكه هاي نظير به نظير با بهره گيري از اتوماتاي يادگير

ساختار توزيع شده شبكه هاي نظير به نظير، سبب شده است كه يافتن يك شيء در ميان انبوهي از داده ها، نيازمند به كارگيري يك روش جستجوي مناسب و هوشمندانه باشد. در روش k-قدم هاي تصادفي، انتخاب k گره به طور تصادفي و بدون در نظر گرفتن وضعيت شبكه، از بين گره هاي همسايه، منجر به كاهش ميزان موفقيت در جستجو و نيز افزايش سربار شبكه به ميزان قابل توجهي مي گردد. در اين مقاله، يك نسخه جديد و توزيع شده از الگوريتم k- قدم هاي تصادفي با تاكيد بر بهره گيري از اتوماتاي يادگير ارائه مي دهيم، به گونه اي كه مقدار k براي مقدار k- قدم هاي تصادفي، نه به طور تصادفي بلكه به صورت تطبيقي و هوشمند انتخاب مي شود. در الگوريتم پيشنهادي، هر گره داراي بردار احتمال انتخاب در جستجو است كه در هر مرحله از جستجو، با توجه به بازخورد دريافتي از محيط تغيير مي كند. تصميم گيري براي انتخاب گره ها، با توجه به اين بردار و با استفاده از راي گيري اكثريت از بين گره هاي همسايه انجام مي شود. به منظور ارزيابي، الگوريتم پيشنهادي با استفاده از نرم افزار شبيه ساز oversim شبيه سازي شده است. نتايج شبيه سازي عملكرد مطلوب الگوريتم پيشنهادي، مانند بهبود ميزان موفقيت در جستجو و افزايش تعداد اشياء كشف شده را نشان مي دهد