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

ГЛАВА II

222

(JV+1)-M такте в одном из первых т состояний или в одном из последних т состояний.

Смена состояний вероятностного автомата с линейной тактикой с 2т состояниями показана на рис. 2.6.2.

Систему оптимизирующих вероятностных автоматов будем сопоставлять с алгоритмом покоординатного само­

Здесь Wj — параметр памяти, который в процессе поиска меняется от шага к шагу в зависимости от накопленного опыта по следующей рекуррентной формуле:

Чтобы не допустить нежелательного детерминирова­

где OsCds^l.

Нетрудно заметить, что система случайного поиска с покоординатным самообучением равносильна вышеизло­ женной схеме оптимизации, если вместо автомата Aj по-

то

г,

г "

Рис. 2.6.2. Графы переходов оптимизирующих автоматов.

ПОИСК С САМООБУЧЕНИЕМ

ставить такие автоматы со случайными выходами, внут­ ренним состоянием которых является параметр Wj, оп­ ределяющий вероятности pf, l—pj выходов автомата. Переходные функции этих автоматов зависят от их вы­ ходов. Предположим, что функция Q(X) является ли­ нейной, т. е.

производит коллектив автоматов Aj. Предположим, что все автоматы Л,- коллектива одинаковы и что их пере­

ности Si штрафов действий Axt автомата ( £ =1, 2):

и получаем следующую матрицу вероятностей штрафов

тга

По формуле (2.1.25) находим матрицу переходных ве­ роятностей цепи Маркова, описывающей "Ьункционирование автомата,

ГЛАВА II

Для случайного поиска с покоординатным самообуче­ нием переходы параметра памяти ш3- (переходы автомата

Рис. 2.6.3. Граф переходов параметра хю, алгоритма покоординатного самообучения.

из одного состояния в другое) для случая 6 = d/m пока­ заны на рис. 2.6.3. Эти переходы образуют цепь Маркова с матрицей переходных вероятностей