ристосованістю нижче середньої розпадаються з тією ж швидкістю. У своїх дослідженнях теореми шим Goldberg висуває гіпотезу будують блоків, яка полягає в тому, що "що будують блоки об'єднуються, щоб сформувати кращі рядка ". Тобто рекомбінація і експоненціальне зростання будують блоків веде до формування кращих будують блоків. p> У той час як теорема шим пророкує зростання прикладів хороших шим, сама теорема вельми спрощено описує поведінку генетичних алгоритмів. Насамперед, f (H) і fср. не залишаються постійними від покоління до покоління. Пристосованості членів популяції знаменно змінюються вже після кількох перших поколінь. По-друге, теорема шим пояснює втрати шим, але не поява нових. Нові Шім'ї часто створюються кросовером і мутацією. Крім того, у міру еволюції, члени популяції стають все більш і більш схожими один на одного так, що зруйновані Шім'ї будуть відразу ж відновлені. Нарешті, доказ теореми шим побудовано на елементах теорії ймовірності та отже не враховує розкид значень, у багатьох цікавих завданнях, розкид значень пристосованості Шім'ї може бути досить великий, роблячи процес формування шим дуже складним. Істотна різниця пристосованості Шім'ї може призвести до збіжності до неоптимальної рішенню. p> Незважаючи на простоту, теорема шим описує кілька важливих аспектів поведінки генетичних алгоритмів. Мутації з більшою ймовірністю руйнують Шім'ї високого порядку, в той час як кросовера з більшою ймовірність руйнують Шім'ї з більшою певною довжиною. Коли відбувається відбір, популяція сходиться пропорційно відношенню пристосованості кращої особини, до середньої пристосованості в популяції; це ставлення - міра тиску відбору. Збільшення або Pc, або Pм., Або зменшенні тиску відбору, веде до збільшеного здійсненню вибірки або дослідженню простору пошуку, але не дозволяє використовувати всі хороші Шім'ї, якими розпорядженні генетичний алгоритм. Зменшення або Pc, або Pм., Або збільшення тиску вибору, веде до поліпшення використання знайдених шим, але гальмує дослідження простору в пошуках нових хороших шим. Генетичний алгоритм повинен підтримати тонке рівновагу між тим і іншим, що зазвичай відоме як проблема "балансу дослідження та використання". p> Деякі дослідники критикували зазвичай швидку збіжність генетичного алгоритму, заявляючи, що випробування величезних кількостей перекриваються шим вимагає більшої вибірки і більш повільної, більш керованої збіжності. У той час як збільшити вибірку шим можна збільшивши розмір популяції, методологія управління збіжність простого генетичного алгоритму досі не вироблена.
Перспективні напрямки розвитку нейрокомп'ютерних технологій
Детальний аналіз зарубіжних розробок нейрокомп'ютерів дозволив виділити основні перспективні напрямки сучасного розвитку нейрокомп'ютерних технологій: нейропакет, нейромережеві експертні системи, СУБД з включенням нейромережевих алгоритмів, обробка зображень, управління динамічними системами та обробка сигналів, управління фінансовою діяльністю, оптичні нейрокомп'ютери, віртуальна реальність. Сьогодні розробками в цій області займається більше 300 зарубіжних компаній, причому число їх постійно збільшується. Серед них такі гіганти як Intel, DEC, IBM і Motorolla. Сьогодні спостерігається тенденція переходу від програмної емуляції до програмно-апаратної реалізації нейромережевих алгоритмів з різким збільшенням числа розробок НВІС нейрочіпів з нейромережевої архітектурою. Різко зросла кількість військових розробок, в основному спрямованих на створення надшвидких, "розумних" супервичіслітелей. p> Якщо говорити про головне перспективному напрямку - інтелектуалізації обчислювальних систем, додання їм властивостей людського мислення і сприйняття, то тут нейрокомп'ютери - практично єдиний шлях розвитку обчислювальної техніки. Багато невдачі на шляху вдосконалення штучного інтелекту протягом останніх 30 років пов'язані з тим, що для вирішення важливих і складних по постановці завдань вибиралися обчислювальні засоби, що не адекватні за можливостями розв'язуваної задачі, в основному з числа комп'ютерів, наявних під рукою. При цьому як правило, не вирішувалося завдання, а показувалася принципова можливість її вирішення. Сьогодні активний розвиток систем MPP створило об'єктивні умови для побудови обчислювальних систем, адекватних по можливостях і архітектурі практично будь-яким завданням штучного інтелекту. p> У Японії з 1993 року прийнята програма "Real world computing program ",. Її основна мета - створення адаптивної, еволюціонує ЕОМ. Проект розрахований на 10 років. Основою розробки є нейротехнологія, використовувана для розпізнавання образів, обробки семантичної інформації, управління інформаційними потоками і роботами, які здатні адаптуватися до навколишнього оточення. Тільки в 1996 році було проведено близько сотні міжнародних конференцій з нейрокомп'ютерів і суміжних проблем. Розробки нейрокомп'ютерів вед...
