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

эволюционного 
программирования при обучении нейронных сетей
, что в большей 
степени используется не в индуктивном выводе, а при синтезе систем 
управления, в том числе в «Искусственной жизни» и «Адаптивном 
поведении». Наиболее простым в реализации является случай, когда 
структура нейронной сети фиксирована и требуется лишь настроить 
веса ее связей. В геноме тогда кодируются только веса связей, так что 
длина генотипов оказывается одинаковой у всех особей и не возникает 
опасности порождения некорректного генетического кода в результате 
применения генетических операторов. Это, однако, приводит к 
сильному ограничению пространства поиска. Поиск на менее 
ограниченном множестве программ является все еще плохо изученной 
проблемой. 
Одна из причин, почему разработчики пытаются ограничиться геномом 
фиксированного размера, заключается в том, что в противном случае не 
вполне ясно, как реализовывать оператор скрещивания. Стоит отметить, 
что фиксированная структура генома приводит к тому, что в 
эволюционных вычислениях обычно скрещиваются все особи, т. е. 
эволюционирует один вид. Возможность изменения структуры генома в 
ходе эволюционных вычислений с соответствующим расщеплением 
видов практически не исследована. 
Порождение ИНС методами эволюционных вычислений лишь заменяет 
традиционные методы их обучения. В этой связи гораздо больший 
интерес может представлять порождение нейроглиальных сетей, ведь в 

---

А.Е. Кононюк Дискретно-непрерывная математика 
54 
применении к ИНГС эволюционные вычисления превращаются в 
метаобучение — автоматическое построение самих алгоритмов 
обучения. Пока, однако, в этом направлении сделаны лишь первые 
шаги. 
Альтернативой эволюционного синтеза нейросетевых систем