Методы построения конечных автоматов на основе ...

38сравнению с текущей, то она становится текущей на следующей итерации.В противном случае поиск считается оконченным, а текущая точка –оптимальным решением.Главной проблемой метода спуска является то, что найденноерешение является локальным оптимумом, который может оказатьсягораздо хуже глобального.У метода спуска существует множество вариаций. Например, вопросо том, требуется ли выбирать первую соседнюю точку, оказавшуюся вуказанном смысле лучше текущей, или требуется ли рассмотреть всесоседние точки и выбрать среди них оптимальный вариант, порождаетразличные версии алгоритма (first ascent hill climbing, steepest ascent hillclimbing).Еще одним вариантом метода спуска является метод спуска наоснове случайных мутаций (random mutation hill climbing), которыйединственный из всех вариаций метода спуска относится кэволюционным алгоритмам. В этом методе к текущему решению накаждом шаге применяется случайное локальное изменение (мутация), иполученное решение сравнивается с текущим. Если оно не хуже его, то оностановится текущим. Если в течение некоторого числа итераций непроисходит улучшения значения функции приспособленности, топроисходит перезапуск алгоритма (рис. 9).Этот процесс продолжается до тех пор, пока не будет выполненкритерий остановки алгоритма (достигнуто определенное значениефункции приспособленности, с момента запуска алгоритма прошелопределенный промежуток времени и т. д.).Метод спуска является достаточно простым в реализацииалгоритмом, и во многих случаях применение этого метода даетдостаточно хорошие результаты, например, в задаче разбиения намодули [66, 97] и оценки стоимости проекта [83].