"Станислав Лем. Генетические алгоритмы " - читать интересную книгу автора

идет и движется вперед мысль исследователя, чтобы как-то жизненные процессы
выбора и отбора смоделировать, так как в слишком сложном "оригинале"
представлять их пока не умеем ("организмы", кружащие над измеряемым пейзажем
Эйгена, даже с точки зрения бактерий или простейших вирусов, являются
примитивными моделями, НО ОСНОВЫ ИХ ДИНАМИКИ можно уже распознать и на
модели).
Для решения проблем "NP", или тех, которые полиномиально попробовать или
разгрызть не удается, эксперты организовали другой "пейзаж". "Пейзаж"
(landscape) по сути как бы взят у Эйгена, но перевернут, ибо где у Эйгена
возвышенности - здесь долины. Он "измерим", хотя ценности, которые
приписываются глубине этих "долин", радикально отличаются от величин Эйгена.
Зато для решения таких проблем, как уже упоминавшееся путешествие коммивояжера
по кратчайшему пути между городами (или для установления, какое количество
самолетов на заданном количестве аэродромов нужно держать в готовности для
минимизации затрат, вызванных произвольным действием, которое какое-то
количество самолетов, готовых к старту, задержит на земле; количество таких
заданий может быть разнообразно большим), глубина "долины" устанавливается
ценой (затратами), которую нужно заплатить для покрытия затрат, связанных с
путешествиями (или поддержанием самолетов в стартовой готовности: как видно,
эти "генетические ландшафты" при своей стереометрической тождественности могут
служить для решения абсолютно различных задач). Чем глубже долина, тем МЕНЬШЕ
затраты (внимание: между затратами и "глубиной" обратная зависимость!). Ищется
тогда долина поглубже, потому что она обозначает минимум затрат, и именно это
является плодом реализации квази-генетического алгоритма для решения проблемы
поиска, который, проведенный вслепую, или непосредственными ("человеческими")
действиями, или при помощи "brute force" компьютера, продолжаться может
миллионы лет. В какого вида отношении то, что здесь кратко представлено, стоит
с реальными "алгоритмически генетическими проблемами" в биологии (в
биологической эволюции), точно не известно, что видно хотя бы из того, что
позиции "истинных" генетиков, т.е. действующих в области биологии,
принципиально взаимно различаются. Нужно сказать, что на этом поле скрыты
мощные загадки. Применяя методики, основанные на эволюционной мысли Дарвина и
других, Д. Эпплгейт (D. Applegate) из лаборатории Bell в прошлом году поставил
рекорд в поиске оптимальной дороги для коммивояжера между 7 397 городами: этот
вдохновленный генетикой поиск продолжался 3,5 года, но действие вслепую (brute
force) требовало бы анализа 102547 дорог, что продолжалось бы дольше, чем
СУЩЕСТВОВАНИЕ ВСЕЛЕННОЙ!
Таким образом, первоначально и в общих чертах представленная концепция
"генетических алгоритмов" способна скрывать в себе парадокс, который мы до сих
пор раскусить не могли. Во-первых, начну с наиболее простого, оказывается, что
эти алгоритмы по самой своей сути (и уже именно поэтому подобны работающим в
живой материи) "абсолютных" или также "окончательных" результатов дать не
способны. В экономической практике это не является каким-нибудь несчастьем,
так как получение решения, аппроксимирующего оптимум или минимум в границах
95%, - это уже достаточно полезно. Смотря же с биологической стороны, видим,
что такие алгоритмы наверняка наполняют эволюционную жизнь, так как и в ней
"абсолютно совершенных" эволюционных решений никогда, как правило, нет. Есть
только быстрые успехи и еще более быстрые неудачи.
Во-вторых, недавно открыты группы, "командующие" генетичным багажом
каждого вида. Назвали их "HOX" [homeo box-containing genes] и есть этих HOX'ов