سمیه واقعی سرشت - گروه، کامپیوتر ، واحد همدان ، دانشگاه آزاد اسلامی ، همدان ، ایران
منصور اسماعیل پور - گروه، کامپیوتر ، واحد همدان ، دانشگاه آزاد اسلامی ، همدان ، ایران
مهدی سخایی نیا - گروه کامپیوتر، دانشگاه بوعلی سینا، همدان، ایران

هدف محوری رویکردهای بازیابی الگو، تشخیص دقیق الگوها از کد مبدا است،که نگهداری نرمافزار، درک برنامه، بازسازی،مهندسی معکوس وبازمهندسی را تسهیل میکند.استخراج الگوهای طراحی با دقت بالا از یک سیستم میتواند کمک زیادی به درک و بهبود کیفیت سیستم نماید. در این مقاله با استفاده از یک کد مبدا و تطبیق آن با تعدادی الگوی طراحی سعی در استخراج روابط ضعیف و قوی داریم که از روش ماشین یادگیریتقویتی استفاده شده است. یادگیری تقویتی،یکی از شاخههای مطرح یادگیری ماشین در هوش مصنوعی است که به برنامهنویسان و تحلیلگران برای فهم و درک بیشتر دربارهی روابط بین الگوها و وابستگیاش، پارامتر عبوری، تعمیم کمک میکند. این بررسی با استفاده از الگوریتم یادگیری PܭLR مدل P در DCLA صورت گرفته مدل پیشنهادی شامل دو مرحله است. مرحله ی اول،تشخیص و شناسایی الگوهای طراحی استاندارد درکدهای مبدا است و مرحله ی دوم،تعیین روابط بین الگوهای طراحی استاندارد تشخیص داده شده است. این مدل قادر است الگوهای طراحی را بهتر از سایر ابزار در دسترس از قبیل DNA-DLA تشخیص بدهد، همچنین قادر به تشخیص قوت روابط آنها نیز می باشد. این روش برای هر کد مبدا ،عملی و قابل اجرا می باشد زیرا الگوها را براساس شباهت ساختاری آنها تشخیص میدهد.

الگوی طراحی ، یادگیری تقویتی ، ماشین های خودکار توزیع شده یادگیری ، کد مبداء