Главная > Интеллектуальные системы > Адаптация сложных систем
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф Следующий параграф >>
Макеты страниц

Глава 3. Случайный поиск в задачах оптимизации и адаптации

Нет такого печального случая, из которого многие люди не извлекли бы какую-либо выгоду, нет такого счастливого случая, который люди неосторожные не обратили себе во вред.

Франсуа де Ларошфуко

Случайный поиск, возникший как научное направление более двадцати лет назад [159, 288], в настоящее время стал распространенным и эффективным средством решения сложных задач оптимизации и адаптации. В этой главе рассказывается о предпосылках появления случайного поиска и об идеях основных его алгоритмов. Пожалуй, самой привлекательной стороной случайного поиска является его огромная эвристическая сила, которая позволяет широко использовать при синтезе алгоритмов аналогии как биологического, так и социального характера [286].

§ 3.1. Рандомизация управления

Случайный поиск как метод управления и решения сложных задач опирается на вероятностный характер окружающего нас мира. «Господство вероятности» вовсе не является абсолютным: оно не исключает наличия строго детерминированных закономерностей и законов, которые и породили известные регулярные методы поиска типа методов градиента и т. п. Специфика процесса познания заставляет нас прежде всего искать именно неслучайные, детерминированные закономерности, и только если их не удается найти, мы с большой неохотой обращаемся к статистическим, вероятностным закономерностям. Долго такого рода закономерностям отказывали в праве на существование, что было сформулировано в печально известном девизе «Наука — враг случайностей», по сути дела запрещающем использование статистических закономерностей и во всяком случае исключающем их применение в науке. В общем и целом порочная, эта точка зрения имела тем не менее свои психологические основания.

Дело в том, что психология нашего познания трудно мирится с недетерминированностью моделей. Такие модели «некомфортны» для нашего обыденного сознания. За всякой случайностью всегда хочется увидеть скрытую невыясненную детерминированную закономерность. Это желание вполне обоснованно, так

Рис. 3.1.1. Модель изучаемого явления.

как очень часто явление считается случайным в силу его плохой изученности, по мере же изучения удается построить его детерминированную модель.

Рассмотрим модель этого феномена. Пусть изучаемое явление представляет собой некий преобразователь причин в следствие у (рис. 3.1.1):

— регулярный оператор объекта, а причины изменяются под воздействием среды или экспериментатора. Очевидно, что такое явление будет вести себя вполне предсказуемо, т. е. не случайно, если будет известно состояние всех его причин. Только в этом случае можно точно предсказать значение следствия. Но достаточно не знать хотя бы одну из причин, чтобы явление стало непредсказуемым, а следовательно, могло рассматриваться как случайное. (Заметим, что непредсказуемость и случайность не тождественны. Случайность всегда подразумевает наличие определенных устойчивых статистических свойств явления — вероятности, среднего, дисперсии и т. д., в то время как непредсказуемость этого не требует.)

Как видно, появление случайности здесь является прямым следствием отсутствия необходимой информации. Чем большей информацией о причинах изучаемого явления мы располагаем, тем более оно определенно для нас. С этих позиций можно легко провести грань между стохастическими и детерминированными явлениями. Действительно, детерминированное явление отличается малым числом легко наблюдаемых причин, а стохастическое — большим количеством причин, контроль которых затруднен.

Отсюда ясно, почему стохастические явления начали изучать сравнительно недавно. Естественно, что наука сначала рассматривала лишь простейшие явления, зависящие от небольшого числа причин, и только потом перешла к изучению сложных, требующих создания стохастических моделей.

Действительно, всегда предпочитается детерминированное описание явления, исключающее двусмысленность и многовариантность. Однако такое описание не во всех случаях удается построить и приходится ограничиваться статистическими закономерностями типа: «в ситуации с вероятностью происходит событие А...». Можно ли отказать подобным закономерностям

в существовании? Разумеется, нельзя! Первыми это поняли физики, когда в конце первой четверти нашего века осознали неизбежность «странного» стохастического мира. Было установлено, что законы микромира вообще не могут быть регулярными, они в принципе имеют стохастический характер. Например, нельзя сказать наверняка, попадет данная микрочастица в мишень или нет, — самый точный ответ в этом случае может состоять в указании вероятности интересующего нас события. И только!

Такая вероятностная точка зрения на закономерности окружающего нас мира быстро распространилась и на другие области науки и техники. Не только трудности сбора информации при изучении сложных явлений заставили обратиться к идее стохастичности. Есть и еще одно довольно неожиданное преимущество стохастических моделей: они очень просты и удобны. Дело в том, что для практических целей очень редко возникает необходимость в точном предсказании поведения интересующего нас явления, или потребность иметь его детерминированную модель. Ведь модель нужна не сама по себе, а либо для прогнозирования, либо для управления, т. е. для принятия каких-то управляющих решений, которые, как правило, не требуют точных моделей (точнее: малочувствительны к точности модели). Это обстоятельство позволяет широко и эффективно пользоваться стохастическими моделями. В данном случае рандомизация выступает в качестве способа упрощения моделей. Случайный механизм почти всегда проще детерминированного. Именно это обстоятельство заставляет обращаться не к детерминированным, а к стохастическим моделям.

Стохастические модели — это способ описания окружающего нас мира. Выражается он в указании, какие и насколько частые отклонения возможны в детерминированной модели. Стохастическая модель включает в себя детерминированную как частный случай, как результат некоего осреднения. Кроме того — что самое главное — она описывает отклонения от этой модели с указанием их вероятности. Здесь нет случайности в явном виде — это лишь осмысление результатов действия случайности.

Человек уже давно заметил, как сильно он зависит от случайных факторов, которые буквально осаждают его со всех сторон. Живя в вероятностном мире, человечество волей-неволей должно было выработать меры борьбы с негативными последствиями случая. Изобретение стохастических моделей явилось одной из наиболее эффективных мер.

Другим способом борьбы с такого рода случайностью является управление, т. е. организация и реализация мер по устранению негативных последствий случайного фактора. Сам по себе процесс управления заключается в построении таких воздействий

на объект, с помощью которых его можно перевести в требуемое целевое состояние независимо от случайных внешних и внутренних факторов, действующих на этот объект. Не будь случайных факторов — не нужно было бы и управления. Таким образом, изобретение управления является реакцией на стохастичность нашего мира, это способ борьбы со случайностью, мера элиминирования, исключения случая, который мешает нам добиваться и достигать поставленных целей.

Однако, как всем известно, случай бывает не только неприятным — он может быть вполне приемлемым, желательным и даже счастливым. Едва ли стоит приводить примеры: у каждого из нас есть в памяти много удивительных счастливых случайностей, которые произошли в нашей жизни. Но не о них сейчас речь. Естественно задать вопрос: а нельзя ли к счастливой случайности относиться не пассивно, т. е. не дожидаться ее реализации, как «манны небесной», а активно идти ей навстречу, искать ее и использовать для своих нужд?

Эта соблазнительная идея «утилизации» случайности в последнее время получает значительное распространение. Здесь имеют место два направления использования случайности. Первое связано с обобщающими возможностями вероятностных моделей, которые содержат в себе как частный случай регулярные модели и закономерности. Такого рода обобщающая сила случая является его ценнейшим качеством, которое дало новые направления современной науки и техники в виде теорий вероятностей, массового обслуживания, надежности, принятия решений и т. д. [217-219]. Однако не это направление будет нас здесь интересовать.

Обратимся ко второму направлению, связанному со случайным поиском новой информации и принятием решения для оптимизации сложных объектов. Под «объектом», как и в § 1.1, будем подразумевать некую часть окружающего нас мира, состояние которой нас не удовлетворяет, в силу чего и организуется управление. Такой «частью» может быть модель объекта, и объектом в этом случае является модель, с помощью которой определяется оптимальное управление или решение, реализуемое впоследствии на практике. Дело в том, что для принятия решения об очередном акте управления объектом необходимо получить информацию о его состоянии. Чем сложнее объект, тем больше такой информации необходимо иметь. И процесс сбора информации, и принятие решений можно сделать случайными или, как часто говорят, рандомизированными (от английского слова random — случайный). Оказывается, что для сложных объектов управления такая рандомизированная стратегия поиска решения часто бывает более выгодной, чем регулярная, детерминированная.

Проще говоря, случайное поведение в процессе управления сложным объектом часто бывает более эффективным, чем регулярное. Этот на первый взгляд парадоксальный результат имеет глубокие обоснования как математического, так и методологического характера, которые будут приведены ниже.

Случайный поиск — или стохастический, статистический, вероятностный, рандомизированный поиск — представляет собой достаточно универсальный метод решения сложных задач, выдвигаемых современной наукой, техникой и народным хозяйством. Рассмотрим основные предпосылки, черты, особенности и специфику применения случайного поиска как очень эффективного современного метода оптимизации и адаптации сложных объектов.

<< Предыдущий параграф Следующий параграф >>
Оглавление