<<
>>

Проблема представления в адаптивных алгоритмах оптимизации

Преобразование исходной формулировки задачи в компонен­ты некоторой адаптивной системы будем называть проблемой представления. Обычно существует несколько способов такого представления. Искусство выбора хорошего представления суще­ственно для применения методов адаптации к решению оптими­зационных задач.

Основными компонентами адаптивной системы являются: внешняя среда, объект адаптации и общая структура процесса адаптации.

Предпочтительны, очевидно, представления с малыми про­странствами решений.

Проблема нахождения хорошего представления представля­ет собой задачу, решение которой во многом зависит от опы­та и квалификации исследователя. Именно эти два качества на основе изучения проблемной области и специфики задачи позволяют обнаружить существование некоторых особенностей

и закономерностей, упрощающих представление и уменьшающих пространство решений.

1. Рассмотрим поэтапно процесс адаптации, присущий чело­веку [3.21].

На первом этапе осуществляется процесс обучения и само­обучения. При обучении осуществляется процесс приобретения знаний, доступных всему человечеству. При самообучении про­исходит накопление знаний, доступных конкретному индивиду (на основе личного опыта). Первый этап закладывает необходи­мые предпосылки для осуществления последующих этапов.

На втором этапе человек осуществляет оценку (измерение, идентификацию) своего состояния и текущего состояния окру­жающей среды и на основе этого (сознательно или подсозна­тельно) формирует цели поведения на тот или иной промежуток времени.

На третьем этапе осуществляется генерация возможных ва­риантов поведения для достижения поставленной цели. Для каж­дого варианта вырабатывается априорный подход вероятных по­следствий (как положительных, так и отрицательных). В случае осуществления этого варианта на основе прогнозов выбирается эффективный вариант, который и реализуется.

На четвертом этапе происходит апостериорный анализ по­следствий осуществления выбранного варианта действий, срав­нение их с априорной оценкой, коррекция возможных вариантов поведения в будущих аналогичных ситуациях и переадресация выводов в долговременную память.

Второй, третий и четвертый этапы адаптивного поведения охватывают некоторый временный интервал и периодически по­вторяются.

С системной точки зрения адаптация представляет собой процесс непрерывной оптимизации.

2. Рассмотрим общую структуру адаптивного алгоритма оп­тимизации (рис. 3.11), который в наибольшей степени отражает основные моменты процесса адаптации живых систем. В каче­стве модели объекта адаптации используется автомат адаптации.

Сначала случайным образом или по результатам работы ка­кого-либо алгоритма реализуется начальная альтернатива.

В последующем на каждой итерации работа адаптивного ал­горитма выполняется за четыре такта. По своей сути эти четыре такта соответствуют второму, третьему и четвертому этапу про­цесса адаптации живых систем.

На первом такте осуществляется расчет параметров P среды и объекта адаптации (OA) после реализации ранее выбранной альтернативы.

На втором такте по параметрам P оценивается состояние объекта адап­тации в среде и на основании этого вырабатывается управляющий сиг­нал поощрения или наказания.

На третьем такте под действием управляющего сигнала автомат адап­тации переходит в новое состояние.

На четвертом такте реализуется альтернатива, соответствующая со­стоянию автомата адаптации.

Рассмотрим эвристики для вы­работки управляющих сигналов (от­кликов среды) и определяющих принципы функционирования авто­мата адаптации (AA) и процесса адаптации в целом. Пусть имеет­ся множество альтернатив структур или действий Aι, A2,..., An.Целью адаптации является нахождение аль­тернативы, обеспечивающей получе­ние наибольшего значения показате­ля качества F. Рассмотрим функци­онирование автомата, обеспечиваю­щего достижение этой цели. Каждой альтернативе Aiпоставим в соответствие упорядоченную группу состояний Si = {Sij| j = 1,2,..., m},где m— число состояний в группе (глубина памяти). Если AA находится в одном из состояний Sijгруппы Si, то реализуется альтернатива (структура или действие) Ai(рис. 3.12).

Переход AA из одной группы состояний в другую происходит в циклической последовательности:

Рис. 3.11. Структура адаптив­ного алгоритма оптимизации

CC CCC

...→ Si → S2 → ...Sn → Si → S2 → ... .

Обозначим через M(Fi) средние значения показателя каче­ства при использовании стратегии Ai.

Рис. 3.12. Граф-схема переходов AA

где Fiv— значение показателя качества при ν-й реализации Ai; W— общее число реализаций Aiна данный момент.

Пусть M* — лучшее значение среднего показателя качества среди всех M(Fi):

Введем сигналы:

— «поощрения», формируемые тогда, когда Fiv— M* ≥ 0;

— «наказания», когда Fiv— M*

<< | >>
Источник: Курейчик В. В., Лебедев Б. К., Лебедев О. Б.. Поиско­вая адаптация: теория и практика. — M.: ФИЗМАТЛИТ,2006. — 272 с.. 2006

Еще по теме Проблема представления в адаптивных алгоритмах оптимизации:

  1. 4.1. ПОСТАНОВКА И АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ ОПТИМИЗАЦИИ
  2. ГЛАВА 4. РАЗРАБОТКА АЛГОРИТМА ОПТИМИЗАЦИИ ЖЕЛЕЗОБЕТОННЫХ ПЛИТ
  3. ОПТИМИЗАЦИЯ ЖЕЛЕЗОБЕТОННЫХ КОНСТРУКЦИЙ
  4. § 3. Порядок подачи надзорных жалоб и представлений прокурора
  5. Генезис теоретических представлений о персональных финансах[3]
  6. ОСОБЕННОСТИ ОПТИМИЗАЦИИ ПЛИТ С УЧЕТОМ ЗАПРОЕКТНЫХ ВОЗДЕЙСТВИЙ
  7. Графическое представление решений для пластинок в виде треугольников
  8. Алгоритм формирования тремерной рабочей сцены при использовании нескольких оптико-электронных датчиков
  9. 3.1 Аналитическое представление зависимости максимальный прогиб - основная частота колебаний в упругих пластинках
  10. § 3. Обязанности банков по представлению налоговым органам сведений о финансово-хозяйственной деятельности налогоплательщиков
  11. 4.2. ПРИМЕРЫ ОПТИМИЗАЦИИ ЖЕЛЕЗОБЕТОННЫХ ПЛИТ
  12. 3.1. Проблема моделирования рефлексии переводчика
  13. Основные нерешенные проблемы в развитии МИКФ Цели и задачи диссертационной работы
  14. ГЛАВА 3. ЭКСПЕРИМЕНТАЛЬНО-ТЕОРЕТИЧЕСКОЕ ОБОСНОВАНИЕ РАЗРАБОТАННЫХ АЛГОРИТМОВ РАСЧЕТА ПЛИТ