اتوماتای یادگیر و اتوماتای سلولی

اتوماتای یادگیر یک مدلی است که به طور تصادفی یک عمل از مجموعه متناهی انتخاب می شود و در محیط اعمال می گردد. سپس، محیط عمل انتخاب شده توسط اتوماتای یادگیر را ارزیابی می کند. نتیجه ارزیابی خود را توسط یک سیگنال تقویتی به اتوماتای یادگیر اطلاع می دهد. اتوماتای یادگیر با دریافت سیگنال تقویتی وضعیت خود را بروز کرده و عمل بعدی خود را انتخاب می کند. روش کار اتوماتای یادگیر در شکل 1 نشان داده شده است که در آن محیط را می توان با سه تائی نمایش داد که در آن   مجموعه وردیها است و  نیز مجموعه خروجی ها را نشان می دهد. c نیز مجموعه احتمالات جریمه را نشان می دهد. این نوع از اتوماتا را اتوماتای یادگیر ثابت می نامند. اگر  دو عضوی باشد جریمه و   پاداش را نشان می دهد. نوعی از اتوماتاها بنام اتوماتای یادگیر توزیع شده وجود دارد که شبکه ای از اتوماتای یادگیر برای انجام دادن و یا حل مسئله خاصی با یکدیگر همکاری می کنند. [1]