Файл: Растригин Л.А. Автоматная теория случайного поиска.pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 19.06.2024

Просмотров: 179

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

ГЛАВА I

58

Решая эту систему уравнений, находим:

 

1

l — b2 — a2

Р1=Р4

= —

\-Ь22

+ 2аГ

 

2

 

1

 

2а:

Р 2 Р г

2 ' \-b2-a2

+ 2al '

Подставляя формулы (1.3.24) в выражение учитывая равенства (1.3.33), имеем:

(L3-36>

(1.3.6) и

P l = p 4 = ± S 2 = ± [ l - o ( - L ) ] ;

(1.3.37)

p 2 = P 3 = l S l = l [ l + o ( l b ) ] .

По формуле (1.2.23)

p c p = 2 S l s 2 = - i - y02(^ - ) .

(1.3.38)

Из формулы (1.3.38) следует, что автомат, соответствую­ щий этому алгоритму, обладает целесообразным поведе­ нием. Среднее приращение показателя качества за один шаг поиска равно

M[AQ] = s 2 - S l = - o ( ^ - ) .

(1.3.39)

В пределе при о->0 (а=^=0) получаем:

P l =Pi-^0;

р 2 = р 3 - ^ - 1 ; р с р - > 0 ;

M [ A Q ] - ^ - l .

 

 

(1.3.40)

При а-^-оо имеем:

(1.3.41)

В случае, когда о = 0, цепь Маркова, описывающая ли­ нейный алгоритм случайного поиска, является неэргодической, в силу чего этот случай требует отдельного ана­ лиза.


ПОИСК БЕЗ САМООБУЧЕНИЯ

 

59

 

 

 

 

 

 

 

 

Из формул (1.3.25)

при а = 0 получаем: s i = l; s 2

= s 3 =

= 0; s4 = 1.

 

 

 

 

 

 

 

 

 

Матрица (1.2.23) для д в у м е р н о г о

с л у ч а я

б е з

в о з д е й с т в и я

п о м е х и

при условии (1.3.14) имеет вид

 

4

4

4

Т

 

 

 

 

 

A(S) =

0

1

0

о

 

 

 

(1.3.42>

0

0

1

о

 

 

 

 

 

 

 

 

 

 

_1_ _1_

 

 

 

 

 

 

 

т

т

Т

Т

 

 

 

 

 

Л^-я степень этой

матрицы

 

 

 

 

 

 

 

1

2 j Y - l 2 N - l

1

 

 

 

2iv+i

2n+i

2N~*1

2N+\

 

 

 

 

О

 

1

 

О

О

(1.3.43),

 

 

О

 

О

 

1

О

 

 

 

 

 

 

 

 

1

2 * - 1

2 W - 1

1

 

 

 

2iv+i

2 l V + 1

2 J V + 1

2^+'

 

 

По этой матрице получаем вектор вероятностей на N-щ

шаге

 

 

 

 

 

 

 

 

 

 

1

 

( P l ( 0

) + P 4 ( 0 > )

 

при

i = 1, 4;

 

 

-+1

 

 

 

2 N - l

 

 

 

 

 

(1.3.44).

 

( P l ( 0

) + P 4 ( 0 ) )

+ Р г ( 0 )

При 1 = 2, 3.

 

 

2N+l

 

 

 

 

 

 

 

 

 

 

 

Вектор предельных вероятностей равен

 

 

О

 

 

 

 

при i= 1, 4;

(1.3.45)

 

 

 

 

 

 

 

 

р.(о>+ i_ (р 1 (0)+ р4 ( о ))

П р И

i = 2,3.

 

Средний вектор смещения в пространстве X

 

М [ Д Х ] = ( - 1 ,

- ( Р з (

0 ) - р 2

( 0 ) ) ) .

 

(1.3.46)


ГЛАВА I

60

Д л я среднего приращения функции качества имеем

М[А Q] = -

а, -

3

(0) - р 2

) y i - а , 2 .

(1.3.47)

Особо следует рассмотреть случай а\ = а2

= ^2\2. Тогда

в соответствии

с определением алгоритма

(1.2.24)

 

1

1

1

1

 

 

 

4

4

Т Т

 

 

A(S) =

0

1

0

0

 

(1.3.48)

 

0

0

1

0

 

 

 

0

0

0

1

 

 

Вектор предельных вероятностей равен

 

0,

 

 

 

если

/ = 1 ;

(1.3.49)

Рг--

 

 

 

 

 

+

~ P i { 0

\ если

/ = 2,3,4.

 

Р г т

 

Дл я среднего приращения показателя качества в этом случае имеем

M [ A Q ] = - (4/>1( 0 ) + Р з ( 0 ) ) у 2 .

(1.3.50)

§ 1.4. Н Е Л И Н Е Й Н Ы Й А Л Г О Р И Т М С Л У Ч А Й Н О Г О П О И С К А

Для нелинейного алгоритма характерно то, что после удачного шага (AQ'^O) выбирается новое случайное направление шага, а после неудачного шага (AQ'>0) делается возврат в предыдущее состояние. В этом па­ раграфе исследуем нелинейный алгоритм случайного поиска, определенный формулой (1.2.3) в § 1.1.

Для этого алгоритма матрицы переходных вероятнос­ тей имеют вид [43]:



61

ПОИСК БЕЗ САМООБУЧЕНИЯ

 

при нештрафе (AQ'^.0)

1

1

т

т

 

(1.4.1)

1

1

т

т

где т=2п;

 

при штрафе

(AQ'>0)

О

(1.4.2)

о

где нулями обозначены блоки, элементы которых равны нулю, а I — единичная матрица.

Далее будем предполагать, что в процессе поиска ве­ личины Si (i=l,...,m), определенные по формуле (1.2.17), постоянны (например, функция Q(X) является линейной). Тогда функционирование автомата описыва­ ется простой однородной цепью Маркова со следующей матрицей переходных вероятностей (см. формулы (1.2.8)):

A(S) =

 

 

 

 

 

 

 

 

ax

ax

 

bi

ax

ai

• Ol

 

a2

a2

•• a2

 

b2

a2

•• a2

m

 

 

 

 

 

 

 

 

~2~

dm/2

CLml2

•• am/2

 

flm/2

 

••

b m l 2

 

bmh+\

/2+1

* " Om/2+l

flm/2+I

O m /2+l

flm/2+1

••

Omh+i

 

 

 

 

 

am

CLm

"

й щ

 

m

m

(1

T

 

 

где

 

 

a » = — ( 1 - s O ;

bt= — (1 — S f ) +su

(1.4.4)

m

m