Поддерживается; по той же причине его меньше расстраивают мелкие

Травмы. Фактически, это часто используется для многих простых правил, где

Скорость и эффективность не имеют значения.

Первый пример возникает, когда обитатель комнаты хочет

Регулировать количество мух в комнате на нулевом или близком к нему уровне. Положив

Липкая бумага на подходящем месте не вызывает определенного изменения

Количество мух. Тем не менее, единственное состояние равновесия для

Каждая муха теперь «на бумаге», и состояние равновесия для

«Количество мух не на бумаге» равно нулю. Метод примитивный

Но у него есть великие достоинства: требовать мало и много работать.

Хорошо на практике.

Подобный метод регулирования часто используется игроками в гольф.

Кто ищет потерянный мяч в заведомо его месте. В

Штаты - это его позиции в данной области, и его правление для всех штатов

Но один: «блуждай»; для одного, однако, это «останови

Деринг». Хотя этот метод, возможно, и не идеален, тем не менее

Способен дать простое регулирование.

231

ANINTROD UC TIONTOCYBER NE TICS

TH E ERR O R- CO N TR O LLED REG U LA TO R

Другой пример регулирования низкого порядка эффективности,

Будет показана крыса с серьезным повреждением головного мозга, которая не может

Помню что-нибудь о лабиринте, но кто может распознать еду, когда

Столкнулись и кто потом перестает есть. (Сравните его поведение

С крысой, которая не останавливается на еде).

Будет в основном случайным, возможно, с повторением некоторых ошибок;

Тем не менее его поведение демонстрирует рудиментарную форму регулирования.

Ция, ибо найдя пищу, он перестанет есть ее и будет жить,

В то время как другая крыса будет двигаться и голодать.

Бывший. 1. Супружеская пара решает завести детей, пока у них не появится мальчик, а затем

останавливаться. (i) Регулирует ли процесс? (ii) Какова матрица переходных вероятностей?

способности?

Бывший. 2: Игра «Головы, я выигрываю; Решка, опять подбрасываем»нормативные?

До сих пор мы рассматривали только способ, которым Марко-

Виан машина движется к своей цели. В принципе, его единственное отличие от

Детерминированная машина состоит в том, что ее траектория не уникальна. При условии

Мы имеем в виду это различие, регулирование марковским

Машина может применить к ней все концепции, которые мы разработали

В предыдущих главах этой Части.

(Следует помнить о предупреждении, приведенном в S.11 / 11 (пар. 5).

Шаги, которые продвигают марковскую машину по траектории:

Меньшего порядка, чем шаги, разделяющие один акт

Регулирования (один «ход» в смысле S.11 / 3) от другого.

Последние шаги соответствуют переходу от одной траектории к

Другой - совершенно отличный от перехода от одной точки к другой

По одной траектории.)

Таким образом, основная формулировка S.11 / 4 совместима либо с

Детерминированные или марковские машины в T и R, чтобы обеспечить

Фактический результат. Принципиальной разницы нет, хотя если мы

Описать их поведение психологическим или антропоморфным

термины описания могут показаться очень разными. Таким образом, если R

Требуется (для данного возмущения) продемонстрировать свою регулирующую способность посредством

Переходя в какое-то состояние, то определенное R перейдет к нему напрямую, так как

Если он знает, чего хочет, в то время как марковский R будет казаться

Ищи это.

Марковская машина, как и детерминант, может использоваться как

Средства контроля; аргументы S.11 / 14 применимы к обоим (они

Интересовались только тем, какие результаты были получены, а не

От того, как они были получены.) Таким образом, он имеет недостаток

Неуверенный в своей траектории, но он имеет то преимущество, что

Легко спроектированный.

232

Регулирование по ошибке. Базовая формулировка S 11/4:

Чрезвычайно широкая применимость. Возможно, это самая важная особенность

Случается, когда и T, и R являются машинами (определенными или Mark-