Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru )




Скачать 454.55 Kb.
НазваниеПамяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru )
страница1/4
Дата публикации21.08.2013
Размер454.55 Kb.
ТипДокументы
www.lit-yaz.ru > Информатика > Документы
  1   2   3   4
Памяти Леонарда Андреевича Растригина
Гринченко С.Н. (sng@kynosoft.ru)
СЛУЧАЙНЫЙ ПОИСК, АДАПТАЦИЯ И ЭВОЛЮЦИЯ: ОТ МОДЕЛЕЙ БИОСИСТЕМ - К ЯЗЫКУ ПРЕДСТАВЛЕНИЯ О МИРЕ. Часть 1.
Институт проблем информатики РАН
RANDOM SEARCH, ADAPTATION AND EVOLUTION: FROM MODELS OF BIOSYSTEMS - TO LANGUAGE OF THE UNIVERSE CONCEPTION. Part 1.
Serge N. Grinchenko
Summary
Main idea of proposed approach consists in consideration of all «sufficiently complex» hierarchical systems («supersystems») behaviour in terms of hierarchical random mechanism of adaptive search optimization of certain target criterion (energy nature) behaviour. From this standpoint are considered: objects of living nature (structure and behaviour of neuron, refer to also monograph S.Grinchenko, S.Zaguskin «Mechanisms of living cell: algorithmic model» - L: Science, 1989, 232 п.), and biosystems of other integration levels (organism, biogeocenosis and Biosphere as a whole).
Список основных аббревиатур (пояснения в тексте)
ОУИ - основной уровень (системной) интеграции;
ПУИ - промежуточный уровень (системной) интеграции;
СП - случайный поиск;
УСО - уровень системы образования.
ВВЕДЕНИЕ
Одной из наиболее актуальных проблем современной науки является понимание причин так называемого «антиинтуитивного» поведения сложных систем. Достаточно проанализировать результаты ряда попыток изменения структуры существующих в современном мире экономических и политических систем. Информатика позволяет подойти к ее решению со своих позиций, а именно -в ракурсе выявления внутренних информационных (и управленческих) механизмов систем «достаточно высокой» сложности.

Настоящая работа посвящена изложению некоторых наиболее важных результатов одного (из теоретически возможного множества) подхода к решению данной проблемы. В основу его положено рассмотрение «достаточно сложной» системы как субъекта, который в условиях произвольно меняющихся внешних воздействий (специфического и неспецифического характера) перманентно стремится к достижению своего оптимального (в соответствующем смысле) состояния. Подобный подход, вообще говоря, известен. Это - «экстремальные принципы», на базе которых в целевых терминах дается адекватное объяснение динамики физических, биологических и иных сложных систем (см., напр., [1-2]). К сожалению, в силу высокой степени абстрагированности, экстремальные принципы используются скорее в сфере философии естествознания, нежели в качестве определенного механизма моделирования таких систем.

Каким же образом можно конкретизировать модельную реализацию некоторого экстремального принципа? По нашему мнению, в качестве элементарного инструмента для этой цели наиболее пригоден широко известный в теории и практике систем управления (в технической кибернетике) механизм адаптивной поисковой оптимизации по рандомизированному алгоритму (случайного поиска). Тем самым мы вводим формализм процедурного типа, поскольку он требует описания объекта не только: 1) в статике - как системы алгебраических уравнений; 2) в динамике - как системы обыкновенных дифференциальных уравнений, в том числе и с запаздывающим аргументом; 3) с учетом пространственного распределения переменных - как систем интегро-дифференциальных уравнений в частных производных с правыми частями произвольного вида; но и 4) «в телеономии» - как системы алгоритмов целенаправленных итеративных процессов специального вида.

Введя этот механизм как имманентный для модели любой «достаточно сложной» системы, мы тем самым придаем ей свойство активного и целенаправленного поведения, неоднозначного даже при одинаковых внутренних и внешних условиях: другими словами, модель начинает жить своей собственной жизнью! «Проигрывая» на компьютере различные варианты такого модельного поведения, мы получаем возможность наблюдать и те, которые никак не закладывались нами в модель a priori, в том числе и «антиинтуитивные».
^ 1. Случайный поиск - эффективное средство оптимизации систем

Случайный поиск (СП) - процедура оптимизации (определения наилучшего в определенном смысле состояния соответствующего объекта), отличающаяся от всех других аналогичных процедур намеренным введением в поисковый алгоритм элемента случайности (синонимы: "рандомизированный", "стохастический", "статистический" поиск) [3-8]. Присущие СП такие качества, как наглядность описания, простота реализации, повышенное быстродействие (особенно при большой размерности решаемой задачи), нечувствительность к "ловушкам" оптимизируемой функции (например, к ее седловым точкам), легкость введения процедур самообучения и адаптации, и др. делают его наиболее предпочтительным для решения задач значительной размерности, характерной для моделей «достаточно сложных» (в частности - биологических) систем. Введение в алгоритм СП механизмов адаптации (самонастройки к меняющимся условиям) существенно повышают их эффективность и, следовательно, возможную сферу применения.

Впервые изобретенный в 1959 году выдающимся русским ученым Л.А.Растригиным [3-4], за 40 последующих лет СП самым широким образом использовался в различных областях науки и техники - от оптимального проектирования конкретных технических систем до проблем создания общей теории поиска. Среди прочего, подробно исследовалась и проблема "СП в биологии и бионике" (работы В.П.Григоренко, Н.П.Дидиченко, В.Ф.Коропа, Э.М.Куссуля, Ю.А.Лабаса, В.И.Мухина, Ю.И.Неймарка, А.И.Половинкина, А.Н.Рапопорта, Л.А.Растригина, Е.И.Ронина, K.Bellman, J.Born, H.Bremermann, D.T.Campbell, R.A.Jarvis, U.Petersohn, I.Rechenberg, H.-P.Schwefel, K.H.Waddington, K.H.Weber, и др.). Рассмотрению подверглись как гносеологические аспекты проблемы [9-12], так и конкретные биологические алгоритмы СП и предложения по созданию и совершенствованию (подробная библиография приведена в [13]). В обзорах [14-15] дана трактовка некоторых биологических процессов с точки зрения их аналогии с процессами адаптивного СП. Сходным вопросам посвящены и тесно примыкающие

к проблематике "СП в биологии и бионике" исследования в области эволюционного моделирования [16-19]. В результате упомянутых выше исследований сформировалось представление о "биологичности" алгоритмов СП, которые адекватно моделируют процессы активной адаптации в биологии, необходимым элементом которых является случайность. В частности, даже такие "сверхупрощенные" модели биосистем, как гомеостат и "усилитель мыслительных способностей" У.Р.Эшби [20-21], можно считать исторически первыми устройствами, реализующими СП. Но в литературе до недавнего времени отсутствовали попытки пойти дальше по этому пути и рассмотреть механизм СП как имманентный любой сложной биологической системе - попытки формализовать соответствующие биологические процессы в терминах поведения алгоритмов адаптивного СП.

Чем же привлекателен этот механизм в предлагаемой ему роли? Это, прежде всего, эмпирически наблюдаемые «хаотические рыскания» любой живой (или включающей живое) сложной системы в соответствующем специфическом пространстве - эквивалент понятий «случайность» и «поиск». Это очевидная перманентная направленность таких систем на достижение наиболее выгодного (в частности, устойчивого) состояния - эквивалент понятия «оптимизация».

Для характеристики любого процесса поисковой оптимизации используется пара (антагонистически) взаимосвязанных понятий: точность отслеживания экстремума в установившемся режиме (среднее расстояние от цели) и типовое время переходного процесса (в зону экстремума). Противоречие между достижением высокой точности (для чего поисковый шаг должен быть очень малым) и минимального времени перехода (для чего поисковый шаг должен быть, напротив, очень большим) легко наблюдается в любой поисковой системе. Для снятия этого противоречия используется адаптация. Системы поисковой оптимизации, имеющие возможность запоминать предысторию своего поведения (траекторию и значения поисковых параметров), обладают свойством «адаптивности». В технике известны адаптация «параметрическая» и, более высокого ранга, «структурная» - название зависит от того, влияет ли она на параметры или на структуру «первичного» поискового алгоритма. Обе они позволяют - путем этих влияний на «первичный» алгоритм - варьировать его поисковый шаг и характерные времена поиска экстремума в зависимости от ранее накопленного опыта.

Сам по себе алгоритм адаптации - в наиболее универсальном виде -представляет из себя такой же механизм случайного поиска (назовем его «вторичным»). Принципиальное отличие параметрической адаптации от «первичного» механизма оптимизации - в существенно более медленном темпе поисковых рысканий (колебаний). Это понятно: для того, чтобы получить информацию об успешности либо неуспешности предыдущего «вторичного шага», нужно подождать завершения целого цикла «первичных шагов» (обычно в установившемся режиме для перехода системы в экстремум достаточно 10-20 поисковых шагов-«рысканий»), сравнить с результатами предыдущих циклов, и принять соответствующее решение. Совершенно аналогично отличие структурной адаптации от параметрической: поскольку любая структура характеризуется теми или иными собственными количественными параметрами, их «третичные» поисковые «рыскания» должны быть по крайней мере на порядок более медленными, чем темп «вторичной» параметрической адаптации (и, соответственно, по крайней мере на два порядка более медленными, чем темп «первичного» поискового процесса).

Но что же нам мешает экстраполировать этот механизм на уровни «четвертичный», «пятеричный» и т.д.? Пусть в технике это не понадобилось по очевидной причине: из-за чрезвычайной медлительности этих процессов, ведь замедление на 3-4 и т.д. порядка делает данный процесс применительно, скажем, к технологии оптимального проектирования некоторого технического устройства, неактуальным. Но для интерпретации поведения механизмов эволюции и адаптации природных суперсложных систем, в частности биологических, подобный подход представляется весьма перспективным. Именно эти соображения и явились отправной точкой наших дальнейших работ.

Логика исследования, начавшегося с предложения ввести в модель нейрона -как имманентный элемент - механизм поисковой оптимизации ее энергетики (в простейшем случае - одноканальный экстремальный регулятор [22-23], а затем -многоканальный оптимизатор, работающий по алгоритмам случайного поиска [24-27]), вначале привела к обобщению данного подхода на описание процессов хемотаксиса микроорганизмов [28-30] и процессов поведения живой клетки произвольной специализации (подробно рассмотренных в монографии [31]), далее -к распространению его на биосистемы иной степени интеграции живого вплоть до Биосферы Земли в целом [32-37], и наконец - к дальнейшему обобщению указанного модельного подхода на "достаточно сложные" системы иной природы и иного материального носителя - Этносферу Земли, человеко-машинные и социально-экономические системы, и т.п. [38-47]. Описанию полученных на этом пути основных результатов и посвящен настоящий обзор.

Таким образом, основная идея предлагаемого подхода состоит в рассмотрении поведения всех «достаточно сложных» систем в терминах поведения иерархического рандомизированного механизма адаптивной поисковой оптимизации некоторого целевого критерия (энергетического характера). Более того, анализ полученных результатов позволяет прийти к выводу об изменении самой парадигмы исследований: по-видимому, следует говорить не столько об адекватности тех или иных моделей суперсложных систем, их точности, прогнозирующей способности и т.д., сколько о возникновении нового языка описания их функционирования.
^ 2. Живая природа

представляет собой типичный пример весьма сложной системы: эволюционирующей, иерархически организованной, самоорганизующейся (с нашей точки зрения - по целевым критериям энергетического характера с помощью адаптивных алгоритмов случайного поиска).

Независимо от материального носителя и функционального назначения все процессы в такой системе имеют информационную составляющую. При этом место, занимаемое тем или иным конкретным процессом в иерархическом оптимизационном контуре, в значительной степени определяет его специфику, важнейшие характеристики и роль в достижении интегральных целей функционирования всей системы в целом (игнорирование рассмотрения такого конкретного процесса как элемента системы ведет к утрате определяющей компоненты информации о нем).

Временные характеристики поисковых процессов, процессов изменения целевых функций (энергетики) и процессов адаптации поиска определяют тем самым характерные времена передачи информации по соответствующим каналам;

тем самым задаются временные отрезки для передачи квантов информации. Ряд значений пространственно-временных характеристик последовательных уровней интеграции в биологических системах представляет собой геометрическую прогрессию со знаменателем ее « 15.15426... , что связано с представлениями о них как о критических уровнях в процессах развития биосистем [48].

Набор таких характеристик во всей его полноте - отражающий наличие в системе иерархического механизма адаптивного случайного поиска целевого энергетического критерия - очерчивает определенный тип систем высшей сложности - назовем их "суперсистемами". В связи с этим зададимся вопросом: существуют ли другие суперсистемы, помимо биологических, в чем может состоять их общность и каковы их возможные особенности?
^ 2.1. Модель нейрона.

Прежде чем перейти к выявлению и анализу суперсистем различной материальной природы, рассмотрим с позиций биоинформатики более простой - но крайне необходимый для дальнейшего изложения - объект исследования, а именно, нервную клетку (нейрон) - наиболее важный, с позиций предлагаемого нами подхода, "элементарный" объект. В общем случае как входной, так и выходной сигналы нейрона имеют сложную материально-временную структуру. Аксоны, кроме передачи электрохимических импульсов, представляют собой каналы перемещения сложных специфических белковых молекул (так называемого «аксотока»). Эти молекулы также (помимо электрохимических импульсов) представляют собой носители специфической информации (см. рис.1).

Таким образом, восприятие (по каждому из п входов, где п достигает значений порядка 104) входного сигнала Х= {x-i ,..., хп}, и передача (по одному выходу Y) специфической функциональной активности нейрона осуществляется по двум (отличающимся временными характеристиками) "подканалам". Их можно условно назвать соответственно "оперативным" и "стратегическим", поскольку время x^ передачи сигналов в первом (электрохимических импульсов X1) на несколько порядков меньше времени т2 передачи сигналов во втором (пространственного перемещения белковых молекул X2); X = <Х1, Х2>. При этом объемы передаваемой специфической информации находятся в обратной пропорции: быстро передаваемые небольшие объемы кодируются по принципу "все или ничего" (наглядный образ - телеграфное сообщение); медленно передаваемые крупные порции кодируются сложной структурой белковых молекул (наглядный образ -почтовая посылка).

Сам нейрон в целом можно представить как многовходовую динамическую систему трехканального преобразования "специфической" информации (т.е. информации, поступающей от других нейронов) X, содержащую функциональный (1 на рисунке), энергетический (2) и трофический (3) каналы с оптимизацией (4) его коэффициента передачи по критерию энергетического характера. Помимо специфических, на нейрон поступает ряд иных воздействий со стороны внешней среды Т = {Ti,...,Tm}, которые в целом можно определить как "неспецифические", оказывающие влияние лишь на те или иные его внутренние параметры, но не несущие полезной для него информации. В этом смысле данное подразделение внешних воздействий позволяет ввести их различие как семантически значимых и семантически незначимых [49].


Рис.1. Структура образования, относящегося к "основному уровню интеграции" (ОУИ) в рамках эволюционирующей "суперсистемы"
Таким образом, переходная (передаточная) информационная функция нейрона отнюдь не может рассматриваться как фиксированная и постоянная. Напротив, эта функция постоянно изменяется, "нормируя" преобразование поступающей на него внешней специфической информации внутренней

характеристикой оптимальности его структуры с позиций текущих энергетических затрат. Энергетика влияет на функцию опосредованно и усредненно, через поисковый оптимизационный механизм (в нейроне - флуктуации концентраций кальция в цитозоле, в компартментах рецепторных зон). Еще более медленные изменения информационной функции нейрона происходят вследствие происходящих в нем - в общем случае из-за изменений специфической внешней среды - пластических процессов.

В итоге предложенный выше подход - с позиций биоинформатики - к анализу информационного процесса в нейроне принимает совершенно иной вид по сравнению с классическими представлениями. Действительно, даже элементарный акт информационного преобразования единичного сообщения оказывается протяженным во времени, "раздвоенным" по материальному носителю и зависящим от оптимальности (в некотором, не относящемся к семантике текущего сообщения смысле!) состояния обрабатывающего "прибора". Далее оказывается, что данный "прибор" одновременно может обрабатывать порядка 104 единичных сообщений, поступающих на различные участки "прибора", осуществляя, помимо временной, и их пространственную интеграцию.

Так выглядит (в весьма упрощенном виде, подробнее см. [31]) схема элементарного информационного преобразования, происходящего в типичной сложной системе "клетка" - одном из основных уровней интеграции (ОУИ) в биологии. Надо ли удивляться кажущейся неоднозначности и эмпирически наблюдаемой чрезвычайной сложности адекватной формализации биологических информационных механизмов?
  1   2   3   4

Добавить документ в свой блог или на сайт

Похожие:

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconЛекции по антинаркотическому воспитанию 2007 москва
Авторский коллектив: Маюров А. Н. (руководитель), Кузьминых К. С., Гришина В. И., Рыбина О. И., Маюров Я. А., Гринченко Н. А

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconАнализ Стихотворения В. Жуковского “ Сельское кладбище”. Я прочитал...
Я прочитал стихотворение Василия Андреевича Жуковского “Сельское кладбище”, написанное в 1802 году

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconВорона и лисица
Задание 1: Прочитайте басню Ивана Андреевича Крылова. Попробуйте выучить наизусть (сколько сможете)

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconДень памяти «В этом году ей исполнилось бы 55 лет…» Посвящается светлой...
Добрый день. Сегодня, 19 ноября, в юбилейный День рождения нашей коллеги, безвременно ушедшей Кузовковой Т. Н., мы проводим День...

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconПушкин Роман «Капитанская дочка»
Роман написан от первого лица, в форме мемуаров главного героя Петра Андреевича Гринева

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconФилатова, М. И. Звучи, памяти набат !
Филатова, М. И. Звучи, памяти набат ! : сценарий вечера памяти для учащихся 5-9 кл., посвященного Великой Победе / М. И. Филатова...

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconБудьте красивы, здоровы и живы, липчане, 2008 72 с
Однако, по мнению профессора В. И. Гринченко, желаемых успехов в решении указанных проблем не будет, если не добиться эффективной...

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconИсследование проблемы памяти в трудах отечественных и зарубежных ученых
Эмпирические исследования особенностей памяти у детей старшего дошкольного возраста

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconУрок Тема: «Памяти защитников Отечества посвящается»
Цель: Ознакомить учащихся с основными формами увековечивания памяти российских воинов

Памяти Леонарда Андреевича Растригина Гринченко С. Н. ( sng @ kynosoft ru ) iconЗначение памяти в интеллектуальном развитии младшего школьника
Показать родителям результаты работы памяти учащихся класса в учебной деятельности



Образовательный материал



При копировании материала укажите ссылку © 2013
контакты
www.lit-yaz.ru
главная страница