اتوماتای یادگیر توزیع شده گسترش یافته

الگوریتم های فراابتکاری را می توان براساس معیارهای مختلفی دسته بندی نمود. یکی از این معیارها وضعیت جواب روش از لحاظ میزان پوشش راه حل می باشد که به دو سبک الگوریتم های میشیگان و پیتسبورگ دسته بندی می شود. در سبک میشیگان هر کروموزوم نشان دهنده بخشی از جواب مسئله می باشد در حالی که در سبک پیتسبورگ هر کروموزوم نشان دهنده یک جواب کامل مسئله می باشد. سبک های میشیگان و پیتسبورگ در حوزه های مختلفی مورد استفاده قرار می گیرند.سبک پیتسبورگ می تواند به طور مستقیم بهینه سازی را انجام دهد. دیدگاه میشیگان برای تولید راه حل های محلی مورد استفاده قرار می گیرد در حالی که دیدگاه پیتسبورگ برای یافتن ترکیب خوبی از راه حل ها مورد استفاده قرار می گیرد.این دیدگاه قابلیت جستجوی بالائی ندارد. تفاوت دو دیدگاه میشیگان و پیتسبورگ از نظر جواب های تولید شده در شکل زیر نشان داده شده است. 

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]

الگوریتم های حافظه دار و بدون حافظه

الگوریتم ها به خصوص الگوریتم های فراابتکاری از دیدگاه مختلفی دسته بندی می شوند. امروزه بسیاری از الگوریتم های فراابتکاری از تجربه جستجوی خود برای راهنمائی عملیات جستجو استفاده می کنند.  یک ویژگی مهم از الگوریتم های فراابتکاری به منظور طبقه بندی آنها معیار تاریخچه جستجو (search history) می باشد. بر این اساس دو نوع الگوریتم های حافظه دار (memory method) و الگوریتم های بدون حافظه (memory-less method) ظهور پیدا می کنند.