38. Сравнение ветвей компьютерной эволюции.

2 ветви: Фон- Неймановская архитектура и вычисления без четкого алгоритма

Сравнение :

Фон- неймановская архитектура - предполагает обычную систему - железо, софт, вычисления по определенному алгоритму.

Вычисления без четкого алгоритма - нейросети, алгоритм обработки данных определяется самимим данными, т.н. обучающей выборкой.

Фон- неймановская архитектура .Алгоритм с самого начала был основой программирования для компьютеров фон-Неймановской архитектуры. Однако уже с середины 60-х годов постоянно велись разработки альтернативных способов организации вычислительного процесса, в основном связанные с исследованиями в области искусственного интеллекта и параллельного программирования для многопроцессорных систем. Преодоление порога в решении этой проблемы обеспечили аппарат Н-моделей и последние работы в области программирования в ограничениях, поскольку они строятся на реализации управления по данным, обеспечивающим естественную и максимальную децентрализацию, асинхронность и параллельность процесса вычислений. В качестве следующего шага этой революции возможен переход к управлению на основе событий, значительно повышающему уровень ассоциативного механизма управления по данным.

Вычисления без четкого алгоритма . Исчисление предикатов, раздел математической логики — совокупность логико-математических исчислений, формализующих те разделы современной логики, в которых отображаются и изучаются (в связи с рассмотрением субъектно-предикатной структуры предложений) правила оперирования с кванторами.

Логика предикатов, раздел математической логики, изучающий логические законы, общие для любой области объектов исследования (содержащей хоть один объект) с заданными на этих объектах предикатами (т. е. свойствами и отношениями). В результате формализации Логика предикатов принимает вид различных исчислений. Простейшими логическими исчислениями являются исчисления высказываний. В более сложных исчислениях предикатов описываются логические законы, связывающие объекты исследования с отношениями между этими объектами.

39. Генетические алгоритмы. Основные понятия, принципы и особенности построения.

Генети́ческий алгори́тм (англ. genetic algorithm) — это эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путем последовательного подбора, комбинирования и вариации искомых параметров с использованием механизмов, напоминающих биологическую эволюцию. Является разновидностью эволюционных вычислений (англ. evolutionary computation). Отличительной особенностью генетического алгоритма является акцент на использование оператора «скрещивания», который производит операцию рекомбинации решений-кандидатов, роль которой аналогична роли скрещивания в живой природе. «Отцом-основателем» генетических алгоритмов считается Джон Холланд (англ. John Holland), книга которого «Адаптация в естественных и искусственных системах» (англ. Adaptation in Natural and Artificial Systems) является основополагающим трудом в этой области исследований.

Задача кодируется таким образом, чтобы её решение могло быть представлено в виде вектора («хромосома»). Случайным образом создаётся некоторое количество начальных векторов («начальная популяция»). Они оцениваются с использованием «функции приспособленности», в результате чего каждому вектору присваивается определённое значение («приспособленность»), которое определяет вероятность выживания организма, представленного данным вектором. После этого с использованием полученных значений приспособленности выбираются вектора (селекция), допущенные к «скрещиванию». К этим векторам применяются «генетические операторы» (в большинстве случаев «скрещивание» - crossover и «мутация» - mutation), создавая таким образом следующее «поколение». Особи следующего поколения также оцениваются, затем производится селекция, применяются генетические операторы и т. д. Так моделируется «эволюционный процесс», продолжающийся несколько жизненных циклов (поколений), пока не будет выполнен критерий останова алгоритма. Таким критерием может быть:

нахождение глобального, либо субоптимального решения;

исчерпание числа поколений, отпущенных на эволюцию;

исчерпание времени, отпущенного на эволюцию.

Генетические алгоритмы служат, главным образом, для поиска решений в очень больших, сложных пространствах поиска.

Таким образом, можно выделить следующие этапы генетического алгоритма:

1 Создание начальной популяции

2 Вычисление функций приспособленности для особей популяции (оценивание)

(Начало цикла)

3 Выбор индивидов из текущей популяции (селекция)

4 Скрещивание и\или мутация

5 Вычисление функций приспособленности для всех особей

6 Формирование нового поколения

Если выполняются условия останова, то (конец цикла), иначе (начало цикла).