37、探索失败与程序搜索：从模型预测到算法优化

探索失败与程序搜索：从模型预测到算法优化

1. 模型预测中的失败与成功

在预测任务中，我们常常会遇到各种复杂的情况。有两种函数，一种函数会输出递增的数字，另一种则输出递减的数字。每经过一个时间步，这两种函数就有 20% 的概率发生切换，这种随机变化就如同不稳定的离心调速器的随机行为。

在每个时间步，模型会接收到由上述动态非耦合轨迹决定的输出。但每次时间步后，输出函数都有可能改变。由于两种输出函数出现的时间相同，传统的马尔可夫模型在长时间内的预测成功率很难超过 50%。

1.1 结构评估

下面是一个由上述轨迹生成的一阶马尔可夫模型的表格，展示了从条件到结果的归一化转移频率（百分比）：
| 条件 | “0” | “1” | “2” | “3” | “4” | “5” | “6” | “7” | “8” | “9” |
| — | — | — | — | — | — | — | — | — | — | — |
| “0” | 0 | 52 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 48 |
| “1” | 53 | 0 | 47 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
| “2” | 0 | 44 | 0 | 56 | 0 | 0 | 0 | 0 | 0 | 0 |
| “3” | 0 | 0 | 53 | 0 | 47 | 0 | 0 | 0 | 0 | 0 |
| “4” | 0 | 0 | 0 | 54 | 0 | 46 | 0 | 0 | 0 | 0 |
| “5” | 0 | 0 | 0 | 0 | 48 | 0 | 52 | 0 | 0 | 0