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

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 19.06.2024

Просмотров: 226

Скачиваний: 1

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

ГЛАВА II

226

i

Рис. 2.6.5. Граф переходов цепи Маркова,

описывающей переходы системы автома­ тов Л = {ЛЬ Л2 ) приОт1= т 2 = 1 .

( г = 1 , 2), т. е. mi = m 2 = l .

Тогда автомат А имеет пере­

ходные матрицы А0 и А\

типа (2.1.107) и (2.1.108). По

формуле (2.1.25) находим, что переходы автомата А об­ разуют однородную цепь Маркова (рис. 2.6.5) со следу­ ющей матрицей переходных вероятностей:

Г12

Г\Г2

Г\Г2

г22

 

Г2

г?

 

Г\Г2

(2.6.15)

 

 

г,2

Г\Г2

Г\Г2

 

 

Г , 2

Г\Г2

Г\Г2

 

 

Предельные

вероятности

этой цепи Маркова равны

1

 

 

 

 

Р1 = Р З = - ^ - > Ь

 

 

 

*

 

 

 

(2.6.16)

1

 

 

 

 

p2=Pi=Yr2-


ПОИСК С САМООБУЧЕНИЕМ

227

Среднее приращение функции Q(xu х2) на одном шаге

M[AQ]=-^(ri-r2)au

(2.6.17)

где ai = cos(xb gradQ).

Для алгоритма случайного поиска с покоординатным самообучением в § 2.2 было получено:

M [ A Q ] = ~ d a i .

(2.6.18)

Следовательно, параметр d соответствует разности ве­ роятностей Г\ — Г 2 .

Когда автомат А\ имеет состояний, а автомат А2 два состояния, тогда по матрице (2.1.25) находим, что переходы автомата Л = {ЛЬ А2) образуют цепь Маркова (рис. 2.6.6) со следующей матрицей переходных вероят­ ностей:

А =

т2

(2.6.19)

 

т{

где блоки Г, и Т2 — матрицы (2.6.20) и (2.6.21) типа Якоби.

15*

V\~

rxr2

О

О

О

г,2

О

г,г2

О

О

О

л,2

О

гхг2

О

О

О

О О

О

 

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0

0 0

0

0 . . .

0

0

0

0

0

0 0

0

0 . . .

0

0

0

0

0

0

0

0

0 . . .

0

0

0

0

гI2

0 пг2

0

0 . . .

О

О

О

О

О гуг2

0

г2-

0 . . .

О

0

 

0 0

О

0

0

0

0 . . .

г,г2

0

г 2 2

О

О

0 0

0

0 . . .

О

гхг2

0

г 2 2

О О О

 

О 0 . . .

О

0

г{г2

г 2 2

т

(2.6.20)


Г\Г2

Г22

0

0

0 . .

0

0

0

0

 

0 .

.

0

0

0

0

Г\Г2

0

г2г

0

0 . .

0

0

0

0

-

0 .

.

0

0

0

0

0

Г\Г2

0

г22

0 . .

0

0

0

0

 

0 .

.

0

0

0

0

0

0

0

0 0 .

гхг2

0

г22

0 0 .

. 0

0

0

0

0

0

0

0

0 . .

0

/-12

0

Г\Г2

0 .

.

0

0

0

0

0

0

0

0

0 . .

0

0

0

0

 

0 .

.

г.2

0

Г\Г2

0

0

0

0

0

0 . .

0

0

0

0

 

0 .

.

0

г.2

0

Г\Г2

0

0

0

0

0 . .

0

0

0

0

 

0 .

.

0

0

>-12

Г\Г2

(2.6.21)


ГЛАВА II

230-

Предельные

вероятности

для

этой

цепи Маркова

равны

 

 

 

 

Pi — Pi+2rnz l r

i 2 m - V - l

Г ' ~ Г

2

(2.6.22)

2

 

Г12т_Г2

 

 

 

( t = l

2 т ) ,

а среднее приращение функции Q(X) определяется по формуле

M[AQ]=-

1

rim

r2m

У2

rxm

+

r2n

(2.6.23)

Следовательно,

lim М[Д<2] = | 2

(2.6.24)

Рис. 2.6.7. Граф переходов цепи Маркова, описываю­ щий переходы системы ав­ томатов A—{Ah А2] при OTi = I; m2 =2m.

Нетрудно заметить, что в рас­ смотренном случае увеличение памяти тх автомата А\ приво­

дит

к

увеличению

среднего

приращения функции

Q(xi,x2).

Когда

автомат А\

имеет два

состояния,

а

автомат

А2

состояний,

переходы

авто­

мата

А — {Аи

А2}

образуют

цепь

Маркова

(рис. 2.6.7) с

матрицей

переходных

вероят­

ностей

 

 

 

 

 

 

 

 

Ti(rx)

Т22)

 

 

 

 

Т2

(г,)

Г, (г2 )

 

 

 

 

 

 

 

 

(2.6.25)

где

блоки

Ti(r{) и

Ti(r2)

(i —

= 1,

2)

представляют

собой

матрицы типа

Якоби:

 

 


гг2

Г\Г2

0

0

0 .

.

0

0

0

0

0 . . .

0

0

0

0

 

0

Г\Г2

0

0 .

.

0

0

0

0

0 . . .

0

0

0

0

0

г.2

0

Г\Г2

0 .

.

0

0

0

0

0 . . .

0

0

0

0

0

0

0

0

0 . .

/- . 2

0

Г\Г2

0

0 . . .

0

0

0

0

0

0

0

0

0 . .

0

Г\Г2

0

г,2

0 . . .

0

0

0

0

0

0

0

0

0 .

.

0

0

0

0

0 . • •

гхг2

0

гх2

0

0

0

0

0

0 . .

0

0

0

0

0 . . .

0

гхг2

0

гх2

0

0

0

0

0 .

.

0

0

0

0

0 . . .

0

0

гхг2

г{2

(2.6.26)

а

о

S

о

>

о

о

СП

<<

л

m

5 m 3