WikiDer > Проблема большинства (клеточный автомат) - Википедия

В проблема большинства, или же задача классификации плотности, - задача нахождения одномерных клеточный автомат правила, которые точно выполняют большинство голосов.

Используя локальные правила перехода, ячейки не могут знать общее количество всех ячеек в системе. Чтобы подсчитать количество единиц (или, в силу симметрии, количество нулей), системе требуется логарифмическое количество битов в общем размере системы. Это также требует, чтобы система отправляла сообщения на расстояние, линейное по размеру системы, и чтобы система могла распознавать необычный язык. Таким образом, эта задача является важным тестовым примером при измерении вычислительной мощности систем клеточных автоматов.

Постановка задачи

Учитывая конфигурацию клеточного автомата с двумя состояниями с я + j ячеек всего, я из которых находятся в нулевом состоянии и j из которых находятся в одном состоянии, правильное решение проблемы голосования должно в конечном итоге обнулить все ячейки, если я > j и должен в конечном итоге установить для всех ячеек единицу, если я < j. Желаемое конечное состояние не указано, если я = j.

Проблема также может быть обобщена для проверки того, находится ли доля нулей и единиц выше или ниже некоторого порога, отличного от 50%. В этом обобщении также дана порог ${ displaystyle rho}$; правильное решение проблемы голосования должно в конечном итоге обнулить все ячейки, если ${ Displaystyle { tfrac {я} {я + j}} < rho}$ и должен в конечном итоге установить для всех ячеек единицу, если ${ displaystyle { tfrac {j} {я + j}}> rho}$. Желаемое конечное состояние не указано, если ${ Displaystyle { tfrac {j} {я + j}} = rho}$.

Примерные решения

Гач, Курдюмов и Левин нашли автомат, который, хотя он не всегда решает проблему большинства правильно, во многих случаях делает это.^[1] В их подходе к проблеме качество правила клеточного автомата измеряется долей ${ displaystyle 2 ^ {я + j}}$ возможные стартовые конфигурации, которые он правильно классифицирует.

Правило, предложенное Гачем, Курдюмовым и Левиным, устанавливает состояние каждой ячейки следующим образом. Если ячейка равна 0, ее следующее состояние формируется как большинство среди значений самой ячейки, ее ближайшего соседа слева и его соседа на три пробела слева. Если, с другой стороны, ячейка равна 1, ее следующее состояние формируется симметрично, так как большинство из значений самой ячейки, ее ближайшего соседа справа и его соседа на три пространства справа. В случайно сгенерированных экземплярах это дает около 78% точности при правильном определении большинства.

Дас, Митчелл, а Кратчфилд показал, что можно разработать лучшие правила, используя генетические алгоритмы.^[2]

Невозможность идеального классификатора

В 1995 году Land and Belew^[3] показал, что не существует правила двух состояний с радиусом р а плотность ρ правильно решает проблему голосования на всех начальных конфигурациях, когда количество ячеек достаточно велико (больше примерно 4р/ ρ).

Их аргумент показывает, что, поскольку система детерминированный, каждая ячейка, полностью окруженная нулями или единицами, должна тогда стать нулем. Точно так же любое идеальное правило никогда не может сделать соотношение единиц выше ${ displaystyle rho}$ если было ниже (или наоборот). Затем они показывают, что любое предполагаемое совершенное правило либо приведет к изолированному правилу, которое превысит соотношение ${ displaystyle rho}$ быть аннулированным или, если соотношение единиц меньше чем ${ displaystyle rho}$, заставит изолированную единицу ввести ложные единицы в блок нулей, в результате чего отношение единиц станет больше, чем ${ displaystyle rho}$.

В 2013 году Бузич, Фатес, Марковичи и Майрес представили более простое доказательство невозможности создания идеального классификатора плотности, которое справедливо как для детерминированных, так и для стохастических клеточных и любых измерений.^[4]

Точное решение с альтернативными условиями прекращения

Как отмечали Капкарере, Сиппер и Томассини,^[5][6] проблема большинства может быть решена полностью, если ослабить определение, согласно которому автомат, как говорят, распознал большинство. В частности, для Правило 184 автомат, когда запускается в конечной вселенной с циклические граничные условия, каждая ячейка бесконечно часто будет оставаться в состоянии большинства в течение двух последовательных шагов, в то время как только конечное число раз будет находиться в состоянии меньшинства в течение двух последовательных шагов.

В качестве альтернативы гибридный автомат, который выполняет Правило 184 для ряда шагов, линейных по размеру массива, а затем переключается на правило большинства (Правило 232), которое устанавливает для каждой ячейки большую часть себя и своих соседей, решает большинство проблема со стандартным критерием распознавания либо всех нулей, либо всех единиц в конечном состоянии. Однако эта машина сама по себе не является клеточным автоматом.^[7] Более того, было показано, что составное правило Фукша очень чувствительно к шуму и не может превзойти зашумленный автомат Гача-Курдюмова-Левина, несовершенный классификатор, для любого уровня шума (например, от окружающей среды или от динамических ошибок).^[8]

Рекомендации