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

3.3.3.2. Автоматный случайный поиск с самообучением [181]

Автоматный поиск с самообучением отличается тем, что функция детерминированна, т. е. является регулярной зависимостью нового состояния от результата х и предыдущего состояния Ее можно представить, например, в виде двух детерминированных графов, показанных на рис. 3.3.10.

Функция выхода автомата поиска здесь случайная и задается, как и (3.3.30), на состояниях в виде вероятности шага в положительном направлении:

где — монотонновозрастающая функция, например, вида

Рис. 3.3.10. Графы алгоритма случайного поиска с самообучением при различных ситуациях:

Термин «самообучение» в данном случае используется потому, что аналогичные алгоритмы описывают процесс самообучения живых организмов (опыты с мышью в лабиринте и т. п.). Более подробно такие бионические алгоритмы случайного поиска, моделирующие поведение живых существ, будут рассмотрены в § 3.7.

Оба описанных алгоритма случайного поиска эффективно работают при оптимизации сложных объектов. Их эффективность в одинаковых условиях одинакова. Однако коллектив оптимизирующих автоматов еще имеет возможность эволюционировать (см § 3.7).

В заключение отметим, что здесь описаны лишь основные алгоритмы локального случайного поиска, с помощью которых обычно создают его многочисленные модификации, приспособляемые для решения конкретных задач оптимизации сложных систем.

<< Предыдущий параграф Следующий параграф >>
Оглавление