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

Пример 5.5
С помощью программы 
Evolver
найти оптимальный набор весов 
нейронной сети, изображенной на рис. 3.11 (пример 3.3), если значения 
весов лежат в интервале от -15 до 15.
Применялся тот же генетический алгоритм программы 
Evolver
, что и в 
предыдущих примерах, но для расширенного интервала изменения 
весов. После 30000 «тактов» получено «наилучшее решение», 
показанное на рис. 5.23. 
Рис. 5.23. «Наилучший» набор весов из интервала [-15, 15] для 
нейронной сети, реализующей систему XOR (пример 5.5). 
Повторное выполнение того же алгоритма при тех же начальных 
условиях через 30000 «тактов» дало «наилучший» набор весов, 
представленный на рис.5.24. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
249 
Рис. 5.24. Другой «наилучший» набор весов для примера 5.5. 
Главное различие между решениями на рис. 5.23 и 5.24 заключается в 
том, что в первом случае веса 
w
11
 
и w
21 
положительны, а веса w
12
и w
22
отрицательны, тогда как во втором случае ситуация оказалась 
противоположной. В рассматриваемом примере получены две из 
множества возможных комбинаций весов для нейронной сети, 
реализующей систему XOR. Еще одно альтернативное решение 
приведено на рис. 5.25.
Рис.5.25. Еще один «наилучший» набор весов для примера 5.5 
(получен после примерно 12000 «тактов»). 
Значения входящих в него весов получены после примерно 12000 
«тактов». Несложно предугадать, как будут изменяться эти значения 
при увеличении количества «тактов». Следовательно, это еще одна 

---

А.Е. Кононюк Дискретно-непрерывная математика 
250 
комбинация, подобная решениям на рисунках 5.23 и 5.24, причем в 
данном случае веса 
w
11
, 
w
22
, w
31
и w
32
положительны, а веса w
12
, w
21
, 
w
10
, w
20
и 
w
30
 
отрицательны.