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

Пример 5.6
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 -20 до 20.
Это та же задача, что и в предыдущих примерах, однако интервал 
изменения весов значительно расширен. Задача решалась при той же 
размерности популяции и таких же значениях показателей 
скрещивания и мутации, как и в предыдущих примерах. Столбчатая 
диаграмма на рис. 5.26 демонстрирует значения функции приспособ-
ленности особей в популяции после примерно 1500 «тактов». 
 
Рис. 
5.26. 
Столбчатая 
диаграмма 
значений 
функции 
приспособленности особей в популяции при f = 1502 для примера 5.6. 
Конечно, это значения в интервале от 0 до 1. На рис. 5.27 изображены 
графики изменения «наилучшего» (нижняя кривая) и среднего 
(верхняя кривая) значения функции приспособленности для этого 
примера после примерно 1500 «тактов». 

---

А.Е. Кононюк Дискретно-непрерывная математика 
251 
Рис. 5.27. 
Изменение «наилучшего» (внизу) и среднего (вверху) 
значения функции приспособленности для примера 5.6. 
Единица на временной оси этого графика соответствует 20 «тактам». 
«Наилучшее на данный момент» (после 1502 «тактов») значение 
функции приспособленности составляет 1,247 * 
10
-4
. 
Рис. 5.28 
представляет «наилучший» набор весов, полученный после 33000 
«тактов», а рис. 5.29 - после 63000 «тактов». Заметно, что значения 
соединительных весов стремятся к 20 или к -20, а значения w
10
, w
20
и 
w
30
 - 
соответственно к 10, -10, 10. 
 
Рис. 5.28. 
«Наилучший» набор весов из интервала [-20, 20] при 
t = 
33000 для при мера 5.6. 

---

А.Е. Кононюк Дискретно-непрерывная математика 
252 
Рис. 5.29. 
«Наилучший» набор весов из интервала [-20, 20] при 
t 
= 
63000 для примера 5.6. 
Если продолжить выполнение алгоритма, то при дальнейшем 
увеличении количества «тактов» некоторые веса примут значения, 
равные 20. Очевидно, что наборы весов на рис. 5.28 и 5.29 
представляют собой лишь два элемента из множества допустимых 
комбинаций весов нейронной сети, реализующей логическую систему 
XOR. На рис. 5.30 показан совершенно другой набор «наилучших» 
весов, полученных при очередном возобновлении генетического 
алгоритма программы