Выбор - эвристика
Cтраница 1
Выбор эвристик из множества / на каждом этапе синтеза осуществляют по методу статистического моделирования с использованием генератора случайных чисел. [1]
Выбор эвристики осуществляется случайным образом по величине ее весового коэффициента, значение которого изменяется в зависимости от результатов предыдущих лопыток синтеза с использованием алгоритма обучения. [2]
Процедура выбора эвристики на любом / - ом уровне декомпозиции состоит из следующих операций. [3]
Отметим, что из всех типов параллельного вывода наиболее требовательным к выбору эвристики является DCDP-параллельный вывод. [4]
Во втором случае вся процедура поиска реализуется машиной и участие человека определяется лишь выбором эвристик, используемых в процессе поиска. [5]
 |
Приведенные затраты для синтезированных тепловых систем. [6] |
Необходимо отметить, что при решении некоторых ИЗС тепловых систем на основе одного лишь детерминированного закона выбора эвристик оптимальное решение не удавалось получить даже при значительном числе итерационных процедур из-за несовершенства и неполноты используемого набора эвристик. В этих случаях включение эвристики о случайном выборе технологических потоков позволяет улучшить эффективность программы синтеза тепловых систем. [7]
Назвав один из разделов своей работы Эвристический поиск эвристик, Сэмюэль указывает, что принятие решения о выборе эвристики также представляет собой такую задачу, решение которой возможно лишь посредством использования эвристической процедуры, так как она в действительности еще сложнее, чем проблемы, возникающие в связи с собственно игрой. Среда задачи представлена игрой в покер. Эвристики при этом не являются программами в обычном смысле, а выносятся на поверхность в виде правил поведения в конкретных ситуациях, записываемых в Номенклатуру готовой продукции. Первоначально этот перечень содержит лишь исходное правило: какова бы ни была ситуация - играй случайным образом. В принципе таблица правил может изменяться четырьмя способами. Могут быть добавлены ситуационные правила. Правило может быть обобщено с помощью изменения его ситуационной части таким образом, что не будут приниматься во внимание некоторые аспекты игровых ситуаций и, следовательно, правило будет покрывать большее их количество. С другой стороны, ситуационная часть правила может быть специализирована, с тем чтобы ввести большую степень дифференциации игровых ситуаций; в результате область применения правила уменьшается. Подобная процедура обучения хорошо работает в целом ряде обучающихся систем. [8]
Перед тем как перейти к детальному рассмотрению структуры геометрической машины, мы сделаем замечание о двух основных ( почти очевидных) принципах, которыми необходимо руководствоваться при выборе эвристик для любой машины, решающей задачи. [9]
Указанная эвристическая программа, которая соответствует комбинированному алгоритму, функционирует следующим образом. В программе каждая из эвристик отдает предпочтение тому или иному варианту декомпозиции ИЗС. Выбор эвристики, которой следует руководствоваться на каждом этапе декомпозиции, производится случайным образом. Каждой эвристике приписывается весовой коэффициент, величина которого пропорциональна вероятности предпочтительного выбора этой эвристики на данном этапе декомпозиции ИЗС. Проводя этап за этапом декомпозицикх ИЗС и выбирая на каждом этапе некоторый вариант декомпозиции, программа синтезирует ХТС. После этого программой pad - считывается оптимальная величина К. При этом используются уже другие эвристики, поскольку они в программе выбираются случайным образом. Если система, полученная во второй раз, оказалась лучше первой, то увеличиваются весовые коэффициенты эвристик, использованных при ее синтезе, в противном случае они уменьшаются. Таким образом, реализуется процесс самообучения или накопление данной эвристической программой опыта синтеза ХТС. [10]
Указанная эвристическая программа, которая соответствует комбинированному алгоритму, функционирует следующим образом. В программе каждая из эвристик отдает предпочтение тому или иному варианту декомпозиции ИЗС. Выбор эвристики, которой следует руководствоваться на каждом этапе декомпозиции, производится случайным образом. Каждой эвристике приписывается весовой коэффициент, величина которого пропорциональна вероятности предпочтительного выбора этой эвристики на данном; этапе декомпозиции ИЗС. Проводя этап за этапом декомпозицию ИЗС и выбирая на каждом этапе некоторый вариант декомпозиции, программа синтезирует ХТС. После этого программой рассчитывается оптимальная величина КЭ этой системы. При этом используются уже другие эвристики, поскольку они в программе выбираются случайным образом. Если система, полученная во второй раз, оказалась лучше первой, то увеличиваются весовые коэффициенты эвристик, использованных при ее синтезе, в противном случае они уменьшаются. Таким образом, реализуется процесс самообучения или накопление данной эвристической программой опыта синтеза ХТС. [11]
Так как нахождение всех возможных множеств DCDP-связей, резольвирование по этим связям и определение наиболее подходящего варианта резольвирования является вычислительно неэффективным, необходимо использование эвристик для определения потенциально лучших кандидатов на резольвирование. Подробно вопрос выбора эвристик будет рассмотрен ниже. [12]
Страницы: 1