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

Рис. 5.17
. «Наилучший» набор весов из интервала [-5, 5] для 
нейронной сети, реализующей систему XOR (пример 5.3).
 
Необходимо отметить, что полученное «наилучшее решение» близко 
набору весов 
w
11
 = 
-5, w
12
= 5, w
21
= 5, w
22
= -5, w
31
= 5,
w
32
= 5, w
10
= -3, 
w
20
 
= -3, w
30
= -2,5, для которого Q = 0,015167. 
Нейронная сеть (см. рис. 3.11) с такими весами демонстрирует 
симметрию, характерную для системы XOR. Очевидно, что найден не 
единственный оптимальный набор весов для сети этого типа. При 
повторном запуске программы с той же самой размерностью 
популяции и такими же показателями скрещивания и мутации, скорее 
всего, будет найдено «наилучшее решение», содержащее иной 
«оптимальный» набор весов. На рис. 5.18 приведен пример 
альтернативного «наилучшего» набора весов, полученного при 
повторном выполнении генетического алгоритма программы 
Evolver 
и 
проведении 
вычислений 
на 
протяжении 
6000 
«тактов». 
 
Рис. 5.18. 
Другой «наилучший» набор весов для примера 5.3. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
246 
При известных допустимых комбинациях весов для системы XOR, 
легко предсказать оптимальный набор весов, к которому стремится 
решение при продолжении выполнения этого алгоритма.
Следующие примеры относятся к той же задаче, однако при 
расширенном диапазоне изменения весов.
Пример 5.4
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 -10 до 10.
При начальных значениях, совпадающих с приведенными в примере 
3.23, было проведено три сеанса вычислений. Через 30000 «тактов» в 
первом, втором и третьем сеансах получены «наилучшие» решения, 
показанные на рис. 5.19, 5.20 и 5.22 соответственно.