Использование скрытой марковской модели при синтезе стохастического алгоритма решения задачи
Аннотация
Дата поступления статьи: 15.06.2015В статье, исходя из содержательных аксиом рандомизированного алгоритма, рассмотрена возможность использования при синтезе корректных алгоритмов решения задачи вероятностной скрытой марковской модели. Применение данной модели позволяет формировать алгоритм с возможностью управления его гибкостью в соответствии с содержательной ситуацией для обеспечения структурной и функциональной устойчивости программы, реализующей данный алгоритм. Установлено, что рандомизация алгоритма, повышая его гибкость и эффективность, не улучшает его риск по сравнению с соответствующим детерминированным алгоритмом. Синтез алгоритма на базе скрытой марковской модели сводится к тому, что по имеющимся наблюдаемым данным определяют скрытые параметры наиболее вероятной последовательности состояний, определяющий синтезируемый алгоритм. На первом этапе стратегии с помощью алгоритма "вперед-назад" оценивается насколько хорошо модель согласована с входными данными синтезируемого алгоритма. На втором этапе по заданной скрытой марковской модели с пространством скрытых состояний, начальными вероятностями нахождения в состоянии i и вероятностями перехода из состояния i в состояние j, по наблюдаемым состояниям, используя алгоритм Витерби, ищется путь Витерби. На третьем этапе стратегии осуществляется корректировка скрытых марковских моделей путем оптимизации параметров модели с помощью алгоритма Баума–Велша.
Ключевые слова: скрытая марковская модель, алгоритм "вперед-назад", алгоритм Витерби, алгоритм Баума–Велша
05.13.01 - Системный анализ, управление и обработка информации (по отраслям)
05.13.18 - Математическое моделирование, численные методы и комплексы программ