Дискретно-непрерывная математика. Кн. 0 : Алгоритмы. Ч. Генетические алгоритмы

 
Рис. 5.1
9. «Наилучший» набор весов из интервала [-10, 10] для 
нейронной сети, реализующей систему XOR (пример 5.4). 
 
Рис. 5.20. 
Другой «наилучший» набор весов для примера 5.4. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
247 
На рис. 5.21 изображены графики изменения «наилучшего» (нижняя 
кривая) 
и 
среднего 
(верхняя 
кривая) 
значения 
функции 
приспособленности для этого примера после 505 «тактов».
 
 
 
Рис. 5.21. 
Изменение «наилучшего» и среднего значения функции 
приспособленности для примера 5.4. 
Рис. 5.22. Еще один «наилучший» набор весов для примера 5.4. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
248 
Функция приспособленности для системы XOR задается формулой 
расчета погрешности Q (см. пример 5.3) и изменяется в пределах от 0 
до 1. На рис. 5.21 заметно стремительное уменьшение наилучшего 
значения функции приспособленности до «наилучшего на данный 
момент» значения, равного 0,13159. Единица на временной оси этого 
графика соответствует 20 «тактам». Набор весов, к которому стремится 
«наилучшее решение», характеризуется тем, что
w
11
 
= w
12
и w
21
= w
22
, что типично для логической системы XOR. 
Результаты, представленные на рис. 5.19 и 5.20, можно сравнить с 
показанными на рис. 5.17 для примера 5.3, а информацию на рис. 5.22 - 
сопоставить с рис. 5.18.
Заметим, что минимальная погрешность во всех трех случаях (рис. 
5.19, 5.20 и 5.22) оказывается значительно меньше, чем для интервала 
изменения от -5 до 5, рассмотренного в примере 5.3 (рис. 5.17 и 5.18).