机器学习分为三类:监督学习、非监督学习和强化学习。学习自动机（Learning Automata,LA）是强化学习中重要的一类算法。学习自动机通过与环境的交互,在不需要对环境有先验知识的前提下通过自主学习从环境的行为集中找出最优行为。学习自动机因其实现简单、理论完备以及抗干扰能力强被广泛应用于模式识别、通信等领域。由于实际应用的需求,针对新型的Top K学习自动机的研究逐渐开始。Top K学习自动机的目标是从环境的行为集中找出最优行为子集,更适合一些工业环境以及全局优化等实际应用中。在此背景下,本文对Top K学习自动机的算法进行研究。目前这方面的研究还在起步阶段,现有的算法只是对单个普通学习自动机算法进行了扩展,使其能寻找最优行为子集。为了能将现有的大量普通学习自动机应用到这一新目标中,本文通过分析普通学习自动机算法和新的Top K学习自动机机理,提出两种将主流普通学习自动机扩展为Top K学习自动机的扩展框架——Naive Top K扩展框架及Integral Top K扩展框架并给出了这两种框架的具体流程,并在此基础上针对经典的DP_RI算法给出了扩展示例。通过仿真实验,本文出示了两种扩展框架各自的优缺点。其次,本文针对Top K学习自动机与普通学习自动机目标的差异进行深入研究,提出了一种新的Top K学习自动机算法——LELAK算法。这种算法的更新过程从理论上更吻合Top K学习自动机寻找最优行为子集的目的。仿真实验表明,LELAK算法的收敛速度优于现有的Top K学习自动机算法。此外,由于Top K学习自动机的迭代次数相对较多,为了进一步提高效率,本文还对LELAK算法进行了并行结构的实现。通过并行多个Top K学习自动机,加快与环境交互的次数以减少迭代次数。仿真实验表明,并行后的LELAK学习自动机收敛速度显著提升。