يك چارچوب مبتني بر آتاماتاي يادگير توزيع شده توسعه يافته براي حل مساله يافتن زيرگراف بهينه تصادفي

در اين مقاله، يك ساختار جديد شبكه اي از آتاماتاهاي يادگير موسوم به آتاماتاي يادگير توزيع شده توسعه يافته معرفي شده و سپس الگوريتمي مبتني بر اين ساختار شبكه اي براي حل مساله زيرگراف بهينه در گراف هاي تصادفي با يال هاي وزن دار از طريق نمونه گيري ارائه مي شود. نشان داده شده كه ساختار شبكه اي جديد پيشنهادي قادر به حل مسايل بهينه سازي روي گراف هاي تصادفي از طريق نمونه گيري با تعداد نمونه كمتر نسبت به روش نمونه گيري استاندارد است. علاوه بر اين، اثباتي براي همگرايي آن به جواب بهينه ارائه شده و نشان داده مي شود كه ساختار شبكه اي پيشنهادي همواره با احتمال 1 به جواب بهينه همگرا مي گردد.