ساختارها و مدل های دارای دینامیک متغیر و نحوه تعیین ساختار آنها به خصوص در حالت برخط طی سال های اخیر به منظور توسعه و بهبود روش های شناسایی سیستم ها مورد توجه قرار گرفته اند. در این پایان نامه روشی نوین مبتنی بر الگوریتم های انتخاب عمل و پاداش دهی در یادگیری تقویتی برای تعیین ساختار در شناسایی سیستم ها ارائه شده است. قابلیت تعیین ساختار به صورت افزایشی یکی از ویژگی های بارز الگوریتم ارائه شده است که می تواند به منظور تشخیص تغییر دینامیک در سیستم های هایبرید بسیار موثر باشد. از آنجا که تا به حال روش های یادگیری تقویتی مستقیما برای تشخیص ساختار به کار گرفته نشده اند و صرفا به منظور تنظیم پارامترهای شبکه مورد استفاده قرار گرفته اند، استفاده از این روش ها در تعیین ساختار جنبه نوآوری الگوریتم ارائه شده محسوب می شود. در این پایان نامه جزئیات الگوریتم، مزایا و معایب آن در مقایسه با سایر روش ها و کارایی آن طی مثال های متعدد مورد بررسی قرار گرفته است.