32.Структура общего алгоритма адаптивного процесса.

Всякую структуру, образуемую набором структурных элементов, можно кодировать двоичным вектором S=(w₁,w₂,…,w_n)

где w_i характеризует наличие (w_i=1) или отсутствие (w_i=0) i-го структурного элемента в структуре. На вектор S может быть наложена система ограничений Н типа равенств и неравенств, характеризующих зависимость между структурными элементами. Тогда задача структурной оптимизации имеет вид:

F(S) extr  S_опт SH

где ограничение Н имеет вид:

При такой постановке задача оптимизации сведена к задаче бинарного программирования, решение которой при малых n возможно полным перебором.

При больших n одним из путей является сведение дискретной задачи к непрерывной и дальнейшим решением ее методами параметрического поиска, рассмотренными выше. Метод сведения обычно приводит к погрешностям, что снижает успешность такого подхода.

Если оптимизирующаяся структура объекта может изменятся так, что будут соблюдаться ограничения Н, накладываемые на структуру, то оптимизация такой структуры (т.е. ее синтез) может быть реализован эволюционным методом. При этом изменения S структуры не приводят к нарушению ограничений Н. т.е. S+S H.

33.Коллективная адаптация.

Для имитации процесса адаптации в качестве модели объекта адаптации М.Л.Цетлин [10] предложил использовать вероятностный автомат адаптации (АА). АА способен воспринимать два входных сигнала: поощрения при удаче (+) и наказания при неудаче (-). Под действие этих сигналов осуществляется переход АА в новые состояния. В зависимости от состояния АА на его выходе может быть один из выходных сигналов А₁,…,А_n, соответствующий альтернативной структуре или действию.

Автомат адаптации как конечный вероятностный автомат определяется следующей пятеркой: ({S}, {I}, {A}, Ф, f).

S(t+1) = Ф(S(t)), I(t+1); A(t) = f(S(t)).

Здесь S(t) – внутреннее состояние автомата в момент t; I(t) – вход автомата (отклик среды – сигнал “поощрения” или “наказания”); Ф – функция перехода из состояния в состояние, Ф:{S}{I}{S}; A(t) – выход автомата в момент времени t, т.е. его альтернатива (стратегия); f – функция выхода, f: {S}{A}.

М.Л. Цетлин предложил модель коллективного поведения, получившее название “кормушка”. Имеется n кормушек, где может кормиться m особей, в каждой кормушке n_i имеется запас пищи a_i, но где и сколько – неизвестно.

Каждая особь моделируется автоматом адаптации. Действия АА сводятся к выбору кормушек. Набор альтернатив – набор кормушек. Элементарный акт поведения коллектива АА сводится к тому, что в определенный момент все они выбирают себе кормушку (альтернативу), после этого идет подсчет числа АА, выбравших эту кормушку.

Если для кормушки n_i число АА особей, выбравших ее равно l_i, то каждый АА, выбравший ее, съест пищи.

Локальная цель АА – съесть как можно больше пищи.

Глобальная цель коллектива – съесть максимальное количество пищи.

После того как автомат получил свой выигрыш, производятся сравнения выигрыша данного АА со средним выигрышем по коллективу и выдается сигнал наказания, если любой выигрыш данного АА меньше среднего, в противном случае выдается сигнал поощрения.

Возможны различные способы формирования, зависящие от глобальной цели коллектива, и индивидуальных целей индивидуумов, составляющих коллектив. Например. Пусть m_j порция пищи, необходимая АА a_j для удовлетворения своего аппетита. Тогда a_j, выбравший кормушку n_i, съест Р_i = пищи, при условии, что < m_j, в противном случае a_j съест m_j пищи. Локальная цель АА съесть пищи в количестве m_j. Глобальная цель коллектива – съесть максимальное количество пищи, равное .

В рассмотренной выше модели автоматы не получает никакой непосредственной информации о действиях других участников коллектива и не общаются между собой. Можно, однако, ввести такое общение.

Простейшей его формой является парное взаимодействие автоматов, при котором они обмениваются информацией о своем текущем состоянии или о предстоящем выборе кормушки.

Идея коллективной адаптации позволяет свести эволюционную адаптацию к альтернативной.