62предложенным в работе [116]. Это сравнение показывает, чторазработанный алгоритм эволюционного программирования превосходити алгоритм EDSM, и алгоритм из работы [116], как по точностипостроенных <strong>автоматов</strong>, так и по времени работы. Например, среднеевремя, которое требуется предложенному в рассматриваемой работеалгоритму для <strong>построения</strong> конечного автомата, составляет 1.6миллисекунды, а алгоритму EDSM требуется 37 миллисекунд в среднем(вычислительные эксперименты проводились <strong>на</strong> компьютере спроцессором Pentium IV с тактовой частотой 2.4 ГГц).Второй <strong>на</strong>бор тестовых данных строился следующим образом:1. Выбиралось число m.2. Генерировался случайный ориентированный граф из 5m/4вершин, в котором каждая верши<strong>на</strong> имеет степень два.3. Случайным образом выбиралась верши<strong>на</strong> – <strong>на</strong>чальное состояние.4. Рассматривались все достижимые из <strong>на</strong>чального состояния.5. Каждое из состояний с равной вероятностью становилось либодопускающим, либо недопускающим.6. После этого генерировалось множество строк <strong>на</strong>д двухсимвольнымалфавитом, для каждой из которых с помощью построенного<strong>на</strong> шагах 1 – 5 автомата определялось, допускаетсяо<strong>на</strong> или нет.На этом <strong>на</strong>боре данных эволюционный алгоритм при m = 4, 8, 16превосходил алгоритм EDSM, но при m = 32 ему уступал.На основании проведенных экспериментов был сделан вывод, чторазработанный эволюционный алгоритм превосходит алгоритм EDSM втом случае, когда необходимо построить автомат с относительнонебольшим числом состояний, а множество обучающих примеровсодержит небольшую долю строк заданной длины.
63В работе [89] также рассматривается задача <strong>построения</strong> <strong>конечных</strong><strong>автоматов</strong>-распоз<strong>на</strong>вателей с помощью эволюционных алгоритмов.Предлагаемый в рассматриваемой работе эволюционный алгоритмявляется улучшенной версией алгоритма, предложенного в работе [88].Конечный распоз<strong>на</strong>ватель в рассматриваемой работе представляетсятак же, как и в работе [88]: в хромосому входит таблица переходов, апометки <strong>на</strong> состояниях расставляются с помощью специальногоалгоритма. В качестве эволюционного алгоритма в работе [89] такжеиспользуется (1+1)-эволюцион<strong>на</strong>я стратегия, но операцию мутациипредлагается выполнять не так, как в работе [88].В последней при выполнении мутации случайным образомвыбиралась од<strong>на</strong> из ячеек таблицы переходов, после этого з<strong>на</strong>чение в нейзаменялось <strong>на</strong> случайно сгенерированное. Предлагаемый врассматриваемой работе метод выполнения операции мутации учитываетповедение автомата при обработке обучающего <strong>на</strong>бора.Для каждого перехода t в автомате вычисляются две величины.Число строк, которые были правильно классифицированы автоматом и приобработке которых использовался переход t, обоз<strong>на</strong>чается как cor(t). Числострок, неправильно классифицированных автоматом и при обработкекоторых использовался переход t, обоз<strong>на</strong>чается как err(t). При этомвероятность того, что переход t будет выбран при выполнении операциимутации, вычисляется по формуле:err( t)p(t)cor( t) err( t).Здесь p(t) = 0, еслиerr(t) = 0. Такой подход к выполнению операции мутации требуетвыполнения двух проходов для вычисления з<strong>на</strong>чения функцииприспособленности и указанных вероятностей. На первом из нихнеизвестно, какие состояния являются допускающими, а какие – нет. Этотпроход необходим для алгоритма пометки состояний. На втором проходе
- 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 and 58: 57производился обме
- Page 59 and 60: 59того чтобы отлича
- Page 61: 61функции переходов
- 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,