58результаты – около 90% побед. Кроме этого, были проведеныэксперименты, в которых в процессе мутации разрешалось добавлять иудалять состояния – в этом случае было замечено, что в построенныхавтоматах используется меньше половины состояний. На основаниирезультатов экспериментов был сделан вывод о том, что операциидобавления и удаления состояний являются слишком «разрушительными»для их применения в эволюционных алгоритмах <strong>построения</strong> <strong>автоматов</strong>.А<strong>на</strong>лиз поведения агентов, управляемых построенными автоматами,показал, что поведение агента достаточно быстро зацикливается, чтоприводит к ухудшению его результатов. Для того чтобы устранить этотнедостаток, в рассматриваемой работе предлагается метод, основанный <strong>на</strong><strong>на</strong>блюдении за поведением агента во время игры. Этот метод состоит втом, что к автомату добавляется память размером в 20 ячеек, котораяпозволяет отслеживать циклы в поведении агента. В этой памятизаписывались ячейки, посещенные агентом. Если далее об<strong>на</strong>руживалось,что действие, генерируемое автоматом, приводит к зацикливанию, тодействие выбиралось случайным образом. Применение такого методапозволило построить систему управления агентом, которая добиваласьпобед в 96% игр. Описанный метод устранения зацикливания являетсяодной из разновидностей ди<strong>на</strong>мической верификации [101].1.3.2. <strong>Методы</strong>, использующие обучающие примеры привычислении функции приспособленностиВ <strong>на</strong>стоящем разделе приводится обзор методов <strong>построения</strong><strong>конечных</strong> <strong>автоматов</strong>, использующих обучающие примеры (тесты) привычислении функции приспособленности.1.3.2.1. Построение <strong>конечных</strong> распоз<strong>на</strong>вателейРассматриваемая ниже модель в литературе обычно <strong>на</strong>зывается«детерминированный конечный автомат». В <strong>на</strong>стоящей работе, од<strong>на</strong>ко, для
59того чтобы отличать автоматы такого типа от управляющих <strong>конечных</strong><strong>автоматов</strong> и <strong>конечных</strong> преобразователей для этой модели используетсятермин «конечный распоз<strong>на</strong>ватель»,.Конечным распоз<strong>на</strong>вателем A <strong>на</strong>зывается пятерка (Q, Σ, δ, q 0 , F), гдеQ – множество состояний автомата, Σ – его входной алфавит, δ – функцияпереходов, q 0 – <strong>на</strong>чальное состояние, F – множество допускающихсостояний. Аргументами функции переходов являются текущее состояниеи входной символ, а з<strong>на</strong>чением – новое состояние.Из теории формальных языков известно, что конечныедетерминированные автоматы способны распоз<strong>на</strong>вать регулярныеязыки [26]. В связи с этим в ряде работ рассматривалась задача <strong>построения</strong>по множеству примеров автомата, распоз<strong>на</strong>ющего некий язык. Длярешения этой задачи успешно применялись генетические алгоритмы.Задача может быть усиле<strong>на</strong> до <strong>построения</strong> автомата с минимальнымчислом состояний. В работе [61] показано, что эта задача является NPполной.В работе [38] автоматы представлялись с помощью таблицыпереходов. Разработанный в этой работе метод позволяет поддерживать впопуляции автоматы с разным числом состояний. Функцияприспособленности учитывает три компонента – число вернораспоз<strong>на</strong>нных обучающих примеров, число состояний и переходовавтомата, степень общности языка, соответствующего построенномуавтомату. Это позволяет сузить область поиска, и <strong>на</strong>ходить языки,соответствующие определенным критериям. В обучающий <strong>на</strong>бор могутвходить примеры слов, которые как при<strong>на</strong>длежат, так и не при<strong>на</strong>длежатязыку.Приведем описание генетической операции «репродукция». Числосостояний потомка выбирается случайно из диапазо<strong>на</strong> [k – 2, k + 2], где k –число состояний первого родителя. После этого каждый переход
- Page 1 and 2:
Санкт-Петербургски
- Page 3 and 4:
32.1. МЕТОД ПОСТРОЕНИ
- Page 5 and 6:
5ВЫВОДЫ ПО ГЛАВЕ 4 ...
- Page 7 and 8: 7состоит в том, что
- Page 9 and 10: 9спуска. Так как мет
- Page 11 and 12: 11автоматического п
- Page 13 and 14: 135. Разработать инс
- Page 15 and 16: 15беспилотными лета
- Page 17 and 18: 17Публикации. По тем
- Page 19 and 20: 19ГЛАВА 1. АВТОМАТНО
- Page 21 and 22: 21входных переменны
- Page 23 and 24: 23определенных знач
- Page 25 and 26: 25воздействие со ст
- Page 27 and 28: 27Рис. 4. Внешний вид
- Page 29 and 30: 29Начальным состоян
- Page 31 and 32: 31Первый из них (мод
- Page 33 and 34: 33 F (Future) - «F p» верно,
- Page 35 and 36: 351.2. ПОИСКОВАЯ ИНЖЕ
- Page 37 and 38: 373. Применение мето
- Page 39 and 40: 39Инициализация -ге
- Page 41 and 42: 411.2.4. Генетические
- Page 43 and 44: 43Инициализация -ге
- Page 45 and 46: 451/1 1/11/11/00/10/11/00/10/01/0Р
- Page 47 and 48: 47Рис. 13. Поле с ябло
- Page 49 and 50: 49операторов скрещи
- Page 51 and 52: 51Рис. 16. Область вид
- Page 53 and 54: 53 внутренние узлы п
- Page 55 and 56: 55описании операции
- Page 57: 57производился обме
- Page 61 and 62: 61функции переходов
- Page 63 and 64: 63В работе [89] также
- Page 65 and 66: 65обучающие наборы,
- Page 68 and 69: 68обозначена функци
- Page 70 and 71: 70темпоральных форм
- Page 72 and 73: 72генетическогокон
- Page 74 and 75: 74GeneticProgrammingwith FitnessС
- Page 76 and 77: 766. Внедрить разраб
- Page 78 and 79: 78Опишем структуру
- Page 80 and 81: 80Например, для авто
- Page 82 and 83: 82необходимо исполь
- Page 84 and 85: 84тестов, на переход
- Page 86 and 87: 86 Изменение событи
- Page 88 and 89: 88`поколения ко всем
- Page 90 and 91: 902.2. МЕТОД ВЫПОЛНЕН
- Page 92 and 93: 92режимах. Тесты, оп
- Page 94 and 95: 94Input: A, A, A, A, T, T, T, TAnsw
- Page 96 and 97: 96Input: A, A, T [!x 1 & !x 2 ],T [
- Page 98 and 99: 98T [x 1 & !x 2 ], A, A, TAnswer: z
- Page 100 and 101: 100Рис. 23. Распределе
- Page 102 and 103: 102Рис. 27. Распределе
- Page 104 and 105: 104По результатам ст
- Page 106 and 107: 106Таблица 9. Минимал
- Page 108 and 109:
108приспособленност
- Page 110 and 111:
110Отметим также, чт
- Page 112 and 113:
112Таблица 12. Тесты д
- Page 114 and 115:
114G(wasEvent(e 4 ) wasAction(z 3
- Page 116 and 117:
116G( wasAction(z 1 ) =>X[U(!wasAct
- Page 118 and 119:
1182.5.1.3. Результаты э
- Page 120 and 121:
1204. Проведено экспе
- Page 122 and 123:
122содержать тесты д
- Page 124 and 125:
124В первом случае н
- Page 126 and 127:
1263.2.2. Формат выходн
- Page 128 and 129:
128Класс Starter являет
- Page 130 and 131:
130выходные воздейс
- Page 132 and 133:
132входными парамет
- Page 134 and 135:
134Напомним, что каж
- Page 136 and 137:
136а) б)в) г)д) е)ж) з)
- Page 138 and 139:
2 (1O i138Для упрощения
- Page 140 and 141:
Здесь140 i - множеств
- Page 142 and 143:
142cnt i cnt i... cnt iL1[t]i[t]u2[
- Page 144 and 145:
144ni1~Aii, j,gмаксимальн
- Page 146 and 147:
1460 -> 0 e 8 [not x 8 ] 0 0 0.0000
- Page 148 and 149:
148Отсутствие перех
- Page 150 and 151:
150ж) з)и) к)л)Рис. 37. К
- Page 152 and 153:
152Для решаемой зада
- Page 154 and 155:
154 algorithms/simple.jar - ген
- Page 156 and 157:
156Для подключения м
- Page 158 and 159:
158BRAINPlugin-Description-HTML des
- Page 160 and 161:
1604.2.2.2. Правила напи
- Page 162 and 163:
162Целью лабораторн
- Page 164 and 165:
164учебный процесс.
- Page 166 and 167:
16610. Кормен Т., Лейзе
- Page 168 and 169:
16828. Шалыто А. А. Switch-
- Page 170 and 171:
17046. Das R., Mitchell M., Crutchf
- Page 172 and 173:
17267. Harman M. Automated Test Dat
- Page 174 and 175:
17486. Larranaga P., Lozano J. A. E
- Page 176 and 177:
176106. O’Keeffe M., O’Cinneide
- Page 178 and 179:
178РЕСУРСЫ СЕТИ ИНТЕ
- Page 180 and 181:
180134. Данилов В. Р. Те
- Page 182 and 183:
182152. Царев Ф. Н., Але
- Page 184 and 185:
184162. Tsarev F., Alexandrov A., S
- Page 186 and 187:
186ПРИЛОЖЕНИЕ 1. СВИД
- Page 188 and 189:
188
- Page 190 and 191:
190состояния, в кото
- Page 192 and 193:
192T / 00A / 20A / 2H / 11H / 11T /
- Page 194 and 195:
194«родительских» о
- Page 196:
196Из графика видно,