مسأله انتساب ایستای کانال در شبکه های سلولی موبایل، عبارتست از تخصیص کانال های فرکانسی مورد نیاز سلول ها بطور ثابت و بر اساس پیش بینی های و تخمین های قبلی از ترافیک هر سلول، بطوریکه دو هدف عمده کاهش انسداد مکالمات و کاهش هزینه شبکه برآورد شود. با توجه به np-complete بودن این مسأله تاکنون تلاش های زیادی جهت استفاده از الگوریتم های مکاشفه ای گوناگون در حل آن بکار گرفته شده است. اتوماتای یادگیر سلولی (cla) یک رهیافت جدید برای حل مسایل بهینه سازی پیچیده می باشد. که بررسی های اخیر برون آن، کارآیی مناسب آن را به عنوان تکنیکی برای حل این گونه مسایل به خصوص مسایل np-complete نشان داده است. باتوجه به این نکات، در این پایان نامه یک محور مطالعاتی اصلی و چند محور فرعی مورد مطالعه قرار گرفته اند. در محور اصلی مطالعات مسأله انتساب ایستای کانال را مورد توجه قرار داده و به کمک cla رهیافت هایی برای حل آن ارایه نموده ایم. در همین راستا دو معیار بهینگی متفاوت یعنی "تعداد کانال های تخصیص یافته" و "تعداد تقاضاهای تماس مسدود شده" مورد توجه قرار گرفته اند. برای حل نسخه اول مسأله، آن را به مسأله رنگ آمیزی گراف تعمیم یافته تبدیل نموده و سپس به کمک مدل cla راه حلی برای آن ارایه می نماییم. در نسخه دوم مسأله، از منظر مسأله بزرگترین مجموعه مستقل (mis) با آن برخورد نموده، با معرفی گراف تداخل که بزرگترین مجموعه مستقل آن بیانگر بهترین تخصیص ممکن است، سعی می کنیم بزرگترین مجموعه مستقل ممکن را بیاییم، نتایج بدست آمده از شبیه سازی این الگوریتم ها بر روی نمونه های مختلف مسأله معروف شهر فیلادلفیا با یکی از بهترین الگوریتم های موجود مبتنی بر شبکه های عصبی مقایسه شده است. راه حل نسخه اول مسأله، در مقایسه با این الگوریتم جواب های بهتری را تولید می کند( تعداد کانال های کمتری نیاز دارد) اما زمان اجرای کندتری دارد. الگوریتم نسخه دوم مسألهأ نه تنها به طرز قابل ملاحظه ای کیفیت پاسخ ها را بالا برده است و نرخ مسدود کردن بسیار کمتری دارد، بلکه از زمان اجرای قابل رقابتی نیز برخوردار می باشد. علاوه بر این، نرخ تغییرات پاسخ های این دوالگوریتم در اجراهای مختلف، با وجود ذات احتمالاتی cla، بسیار پایین است. در کنار محور اصلی مطالعات این پایان نامه، مطالعه دیگر نیز صورت گرفت؛ ایل، ارایه یک رهیافت کلی برای حل مسأله mis، با استفاده از cla ، که در مقایسه با الگوریتم های مکاشفه ای موجود، کرایی بالایی را از خود نشان؛ دوم، بررسی رفتار اتوماتای یادگیر سلول ناهمگام (acla) و تحلیل تکنیک های بروز رسانی مختلف و نیز افزودن تاخیر در بروزرسانی، همیشه به حالت بیشینه پاداش سراسری همگرا می شود و افزودن تاخیر در سلول ها فقط تعداد تکرار الگوریتم را در رسیدن به وضعیت نهایی تحت تاثیر قرار داده و در کیفیت پاسخ تاثیر گذار نیست؛ سوم، از la ها برای حل مسأله سینماتیک معکوس ربات های افزونه استفاده شد که نتایج شبیه سازی ها و مقایسه با رهیافت های موجود قابلیت مناسب la را در حل مسایلی از این دست نشان داد. ‍‍‍