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

3.7.3. Клеточные и субклеточные алгоритмы

Спонтанная активность сети нейронов и стохастическое поведение некоторых внутриклеточных структур нейрона послужили основой для создания новых алгоритмов случайного поиска, моделирующих эти известные биологические феномены.

В такой сети в процессе поиска изменяются матрица параметров связи нейронов и их пороги чувствительности. При этом считается, что минимизируемая целевая функция определяется управляющим нервным центром и ее значение по эфферентному каналу сообщается каждому нейрону в сети.

Анализ этих феноменов дал возможность создать новый алгоритм случайного поиска, названный матричным [72, 73]. Матричный алгоритм отличается тем, что случайно возмущается матрица преобразования рабочего шага поиска, за счет чего к реализуется алгоритм случайного поиска.

Траектории спуска полученного таким образом алгоритма матричного случайного поиска имеют криволинейный характер, что создает ему преимущество при оптимизации сложных объектов. Выше приведено несколько примеров успешного использования некоторых результатов биологических исследований для синтеза алгоритмов случайного поиска. Но в последнее время наметилась и противоположная тенденция: случайный поиск начал оказывать влияние на фундаментальные представления о функционировании различных биологических систем, в частности такой сложной системы, как живая клетка. Так, интенсивно и плодотворно развивается представление о «случайно-поисковом» характере поведения некоторых регуляторных механизмов клетки, минимизирующих энергетические затраты на внутриклеточную пассивную регуляцию. Источником случайности здесь является стохастическое поведение микроструктурных образований («эндоплазматического ретикулума») клетки, которое создает режим случайного поиска ее состояния, соответствующего энергетически наиболее экономичному обеспечению специфической функции клетки [71].

Именно на этих фактах было основано предложение ввести в модель нервной клетки механизм случайного поиска оптимальных значений ее основных параметров — коэффициентов чувствительности специфических (синаптических) входов.

Модель клетки, в которую включен механизм случайного поиска, оптимизирующего эти параметры [69, 71], позволяет минимизировать «дискомфорт» этой клетки в данной среде. Несмотря на крайнюю упрощенность такой модели, проведенные эксперименты продемонстрировали достаточно хорошее ее

соответствие наблюдаемым нейроцитохимическим и нейрофизиологическим результатам поведения живого нейрона, что, несомненно, обусловлено именно включением в нее механизмов случайного поиска.

Таким образом, случайный поиск в данном случае выступает уже в качественно новой форме — как объяснительное начало, оказывая тем самым влияние на фундаментальные представления не только о механизмах внутриклеточных регуляторных процессов, но и о процессах в биосфере [269].

Приведенный в этой главе материал имеет обзорный характер, причем использованы главным образом работы автора. Здесь совершенно не затронуты теоретические аспекты случайного поиска, в основе которых лежит обобщающая сила случайного поиска (см. п. 3.3.1). Автор убежден, что создание общей теории адаптации возможно именно на этом пути. Залогом являются прежде всего бионические предпосылки: ведь природа «работает» методом случайного поиска, и все естественные тончайшие механизмы адаптации образовались благодаря случайным процессам эволюции, которая, по сути дела, реализовала алгоритмы случайного поиска.

Более того, всеобщность процессов случайного поиска позволяет утверждать, что он является основой многих известных детерминированных закономерностей как живой, так и неживой природы.

<< Предыдущий параграф Следующий параграф >>
Оглавление