مهدی قربانی - دانشگاه آزاد اسلامی واحد قزوین
علی محمد صغیری - دانشگاه صنعتی امیرکبیر
محمد رضا میبدی - دانشگاه صنعتی امیرکبیر

ساختار توزیع شده شبکه های نظیر به نظیر، سبب شده است که یافتن یک شیء در میان انبوهی از داده ها، نیازمند به کارگیری یک روش جستجوی مناسب و هوشمندانه باشد. در روش k-قدم های تصادفی، انتخاب k گره به طور تصادفی و بدون در نظر گرفتن وضعیت شبکه، از بین گره های همسایه، منجر به کاهش میزان موفقیت در جستجو و نیز افزایش سربار شبکه به میزان قابل توجهی می گردد. در این مقاله، یک نسخه جدید و توزیع شده از الگوریتم k- قدم های تصادفی با تاکید بر بهره گیری از اتوماتای یادگیر ارائه می دهیم، به گونه ای که مقدار k برای مقدار k- قدم های تصادفی، نه به طور تصادفی بلکه به صورت تطبیقی و هوشمند انتخاب می شود. در الگوریتم پیشنهادی، هر گره دارای بردار احتمال انتخاب در جستجو است که در هر مرحله از جستجو، با توجه به بازخورد دریافتی از محیط تغییر می کند. تصمیم گیری برای انتخاب گره ها، با توجه به این بردار و با استفاده از رای گیری اکثریت از بین گره های همسایه انجام می شود. به منظور ارزیابی، الگوریتم پیشنهادی با استفاده از نرم افزار شبیه ساز oversim شبیه سازی شده است. نتایج شبیه سازی عملکرد مطلوب الگوریتم پیشنهادی، مانند بهبود میزان موفقیت در جستجو و افزایش تعداد اشیاء کشف شده را نشان می دهد

اتوماتای یادگیر، جستجو، خود تطبیق، شبکه های نظیر به نظیر،k-قدم های تصادفی