8алгоритмы оценки распределений [86], поиск с запретами [58],меметические алгоритмы [51], метод рассеянного поиска [59],квадратичное программирование [105], целочисленное программирование[113], искусственные иммунные системы [47]. При этом в <strong>на</strong>стоящеевремя <strong>на</strong>ибольшее распространение получили эволюционные алгоритмы[71].Как указано выше, при использовании автоматногопрограммирования возникает задача, для решения которой можно, аиногда и необходимо, применять методы поисковой инженерии ПО. Этоопределяется тем, что построение управляющих <strong>конечных</strong> <strong>автоматов</strong>вручную может представлять существенную сложность, а в ряде случаевпостроить автоматы вручную и вовсе не удается.Примерами таких задач являются: управление командойбеспилотных летательных аппаратом в соревнованиях с другой командой[21, 136], итерирован<strong>на</strong>я дилемма узника [98], задача о «Флибах» [1, 53],задача «Умный муравей» [79]. Полный перебор управляющих <strong>конечных</strong><strong>автоматов</strong> даже при их небольших размерах крайне трудоемок, аэвристическое их построение, как отмечено выше, не всегда даетприемлемые результаты.Разработка методов решения указанной задачи является одним изшагов к автоматическому построению программ и позволит повыситьуровень автоматизации <strong>построения</strong> автоматных программ (как отмечалосьвыше, до 70% исходного кода программ может быть построеноавтоматически) и снизить влияние человеческого фактора <strong>на</strong> их качество.Как отмечается в работе [69], большая часть работ в областипоисковой инженерии ПО основа<strong>на</strong> <strong>на</strong> использовании эволюционныхалгоритмов, а для решения задач проектирования ПО (к которымотносится задача <strong>построения</strong> <strong>конечных</strong> <strong>автоматов</strong>) применялись толькоэволюционные и муравьиные алгоритмы, методы имитации отжига и
9спуска. Так как метод имитации отжига не дает существенного улучшениярезультатов по сравнению с генетическими алгоритмами [8, 124], амуравьиные алгоритмы более приспособлены для задач, в которыхрешением является путь в графе, то для решения задачи <strong>построения</strong><strong>конечных</strong> <strong>автоматов</strong> обычно применялись эволюционные алгоритмы иметод спуска.Подобные идеи возникали у ряда исследователей. В 1962 г.Л. Фогель занялся изучением интеллектуального поведения индивида и егоразвития в процессе эволюции [52]. При этом поведение индивидазадавалось конечным автоматом. Продолжая данные исследования,Л. Фогель, А. Оуэнс и М. Уолш предложили в 1966 г. схему эволюции<strong>конечных</strong> <strong>автоматов</strong>, решающих задачи предсказания [53].При решении задачи каким-либо из методов поисковой оптимизациинеобходимо описать задачу в терми<strong>на</strong>х множества допустимых решений(пространства поиска) и функции приспособленности. Для задачи<strong>построения</strong> управляющих <strong>конечных</strong> <strong>автоматов</strong> множеством допустимыхрешений является множество <strong>автоматов</strong> с заданными событиями,входными переменными и выходными воздействиями и числом состоянийне больше заданного. Функция приспособленности зависит от задачи,которую должен решать автомат, и долж<strong>на</strong> характеризовать качество еерешения.Генетические алгоритмы ведут поиск оптимальных решенийпараллельно в нескольких точках пространства поиска. В<strong>на</strong>чалеслучайным образом генерируется некоторое число решений (особей),образующих <strong>на</strong>чальное поколение. Далее, особи этой популяциискрещиваются и мутируют, формируя новое поколение. Скрещивание(кроссовер, рекомби<strong>на</strong>ция) – фундаменталь<strong>на</strong>я операция в генетическихалгоритмах, позволяющая производить обмен «генетическим материалом»между особями. Мутация – не менее важ<strong>на</strong>я составляющая, о<strong>на</strong> позволяет
- Page 1 and 2: Санкт-Петербургски
- Page 3 and 4: 32.1. МЕТОД ПОСТРОЕНИ
- Page 5 and 6: 5ВЫВОДЫ ПО ГЛАВЕ 4 ...
- Page 7: 7состоит в том, что
- 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 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,