3

3

Однако здесь проблемы бизнеса меня занимают мало. Мне кажется важным нечто абсолютно иное, а именно то, что для выхода за пределы кажущейся сверхвычислимости можно использовать ГЕНЕТИЧЕСКИЕ АЛГОРИТМЫ. Поскольку я стараюсь говорить проще, это как бы «смешанные алгоритмы» или «не строго математические», ибо, как правило, они не служат для нахождения стопроцентно лучшей методики решения заданной проблемы, а за приемлемое время позволяют найти такое решение, которое содержит, например, 95 или даже чуть больше процентов искомого идеального оптимума. Как же это происходит? В работу включается известное правило «survival of the fittest» дарвиновской эволюции. Не используется ни «грубая» вычислительная мощность, поскольку она быстро подводит, ни «чистая» концепция слепых мутаций, ибо и они являются эволюционной разновидностью «brute force». Используется модельная область, которая представляет собой математический пейзаж, разделенный на мелкие и глубокие долины. Некоторое количество таких «долин», которое, без сомнения, к нахождению долины-оптимума НЕ приведет, подвергается «табуизации», то есть просто удалению из области поисков, другие же долины, глубина которых приближается почти что к оптимальному решению, как величины изменяемые и случайные подвергаются «мутациям». Пейзаж начинает разрушаться, пока мы «не попадем» в такую долину, которая представляет практически достаточное (своей глубиной) решение задачи. Среди математиков нет полного согласия с тем, представляют ли такие «смешанные алгоритмы», использующие правило мутации по эволюции Дарвина, какую-то panaceum для решения всех трудных задач, но мне это не важно, поскольку желаю, уже только на собственный риск, «отправиться» абсолютно в иную, отдаленную, особенно от бизнеса, сторону.