СОДЕРЖАНИЕ

«Математическая модель – это вопрос, который мы задаем приро-
де»
Василий Васильевич Налимов

РАЗДЕЛ 6. МАТЕМАТИЧЕСКАЯ СХЕМА КОНЦЕПЦИИ
6.1. Используемые обозначения
Сквозная нумерация уровней, или ярусов, в иерархии системы живого широко используется далее
при формальном описании задачи иерархической адаптации следующим образом (см. рис. 6.1):
номер темпа
времени характерный темп изменения
переменной
переменная
[ -3 T]
-3S-2,-1,0

номер яруса, на котором переменная номер (номера) яруса (ярусов), на которые
выработана (сгенерирована) переменная воздействует


Рис. 6.1. Структура обозначений в математических выражениях.
нижний индекс, расположенный слева от некоторой переменной, обозначает указание на номер
яруса, на котором эта переменная выработана (сгенерирована) – см. подраздел 2.2 и пункт 3.6.6;
нижний индекс (индексы), расположенный (расположенные) справа от некоторой переменной, обо-
значает указание на номер (номера) яруса (ярусов), на которые эта переменная воздействует в рам-
ках супраконтура (супрасистемы); на этом месте также возможен индекс вида ? , который обозна-
чает воздействие данной переменной на все нижележащие ярусы в супрасистеме, включая и тот
ярус, на котором она выработана.
Кроме того, каждой переменной приписывается указание на характерный темп её изменения. Эта
информация «закодирована» как конструкция в виде верхнего индекса с буквой T в квадратных скобках
[•T], расположенная справа от наименования переменной. Здесь вместо точки – нижнего левого индекса
при символе времени T – подставляется номер темпа времени (в моей классификации), характерный для
конкретного процесса: поисковой активности яруса в иерархии с соответствующим номером. Такое
обозначение позволяет наглядно видеть единый масштаб времени для сравнения темпов процессов ие-
рархической оптимизации самого различного характера – не только собственно поисковых, но и процес-
сов изменения соответствующих целевых критериев, а также темпов их запоминания.
Помимо этого, я использую в необходимых случаях верхний индекс, расположенный справа от на-
именования переменной, также и для указания – в круглых скобках – номера компоненты вектора или
матрицы, а номера самих индексов – нижним правым индексом в круглых скобках.
Наконец, левый верхний индекс я использую для обозначения номера метафазы метаэволюции (см.
ниже, подраздел 7.8 и раздел 8).
6.2. Постановка задачи иерархической адаптации для
иерархического контура
Рассмотрение постановки задачи иерархической адаптации целесообразно начать с отдельного ие-
рархического (супра-) контура. Для чего использовать наиболее «наглядный» для человека супраконтур
МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ иерархической системы живого (см. рис.6.2),
которая – в несколько упрощенном виде (детали см. в разделе 8) – может быть записана следующим об-
разом [Гринченко,2000а]:
( )
? 0 Q?32T ] ?3 S[??2,T?]1,0 > min ? ?3 S *[??2,T?]1,0
[? 3 3

? [ ?3T ]
?3 S ?2,?1,0 ??

? [ ?1T ] [ ?2T ]
? 0 G?2 ( ?2 P?1,0 ) = 0 (6.2.1)
? [ 0T ] [ ?1T ]
)?0
0 H ?1 ( ?1 R 0
?
?
( i )[ 9T ]min
? ?3 s?i2, ??1,0] ? ?3 s?i2, ??1,0]max (?i = 1,..., n)
( )[ 9T ( )[ 9T
где: ? : ?3 s?2,??1,0

(
S[??2,T?]1,0 = ?3 S[??2,T?]1,0 Q?65T ] , ?3 G?54T ] , ?3 H ?43T ] , 0 Q?32T ] , ?3 q ?[ ?1T ] , ?2 g ?[ 0T ] , ?1 h ?[ +1T ] , 0 q ?[ +2T ] , +1 g ?[ +3T ] ,
[? [?
[? [?
3 3
?3 ?3



– 164 –
века и более
Надорганизменные уровни интеграции биосистем: декагоды
ярусы "+1","+2","+3",... месяцы (˜1 год)
декаметры и более

Q0[+1T]
[0T] X
0S+1,+2,+3
сутки +3
часы 0 +1

[+2T]
0q
ОРГАНИЗМ: 4 2
X0
ярус "0" …
1
(ГЕГЕМОН) декасутки

декасекунды
3
2
минуты
3
2
часы
3
2

F Y
00 0

метры
[0T]
0H-1
R0[-1T] X
минуты
-1 -1 0

2
4 2
[+1T]
-1h
S''-1[-2T] 4 1
-1



2
Органы: ярус
дека- мин. сутки
сек.
4
"-1" (Касты)
[-1T]
-1P'-1
дециметры
G-2[-1T]
[-2T] X
-2P-1,0
декасекунды 0
-2 -1


g[0T] 4 2
-2
1

2
часы
[-2T]
-2S'-2 Ткани: ярус
4
"-2" (Трибы)
дека-
секунды
сантиметры
[-2T]
0Q-3
[-3T]
-3S-2,-1,0 -3X-2
секунды


КЛЕТКИ: ярус "-3" [-1T]
-3q
4 2
(ИНДИВИДЫ) …
1


минуты

сантисекунды
3
2
децисекунды
3
2
X-3 секунды
3
2
F Y
-3 -3 -3
милли- санти- деци-
секунды секунды секунды
сотни микрометров
[-3T]
-3H-4
[-4T]
-3G-5
[-6T] [-5T] [-4T] [-5T]
-6S-5,-4,-3 -5P-4,-3 -4R-3 -3Q-6
X -4 -3
Субклеточные уровни интеграции биосистем: ярусы "-4","-5","-6",...
десятки микрометров и менее

ПРИМЕЧАНИЕ: стрелки, направленные вверх, имеют структуру (отражают отношение) «многие - к одному», а вниз - «один - ко многим».

Рис. 6.2. Схема контура иерархической оптимизации (супраконтура) ОРГАНИЗМ-КЛЕТКИ.
– 165 –
)
h ?[ +4T ] , +3 q ?[ +5T ] , +4 g ?[ +6T ] , +5 h ?[ +7T ] , +6 q ?[ +8T ] , +7 g ?[ +9T ] , +8 h ?[ +10T ] , +9 q ?[ +11T ]
+2

( S'[??22T ] , 0 G?21T ] , ?2 g ?[ 0T ] , ?1 h ?[ +1T ] , 0 q ?[ +2T ] , +1 g ?[ +3T ] , +2 h ?[ +4T ] , +3 q ?[ +5T ] , +4 g ?[ +6T ] ,
P?1,0 ] =
[ ?2T
P?1,0 ]
[ ?2T [?
?2 ?2 ?2


)
h ?[ +7T ] , +6 q ? ( +8T ) , +7 g ? ( +9T ) , +8 h ? ( +10T ) , +9 q ? ( +11T )
+5

( S''[??12T ] , ?1 P'[??11T ] , 0 H[?01T ] , ?1 h ?[ +1T ] , 0 q ?[ +2T ] , +1 g ?[ +3T ] , +2 h ?[ +4T ] , +3 q ?[ +5T ] , +4 g ?[ +6T ] ,
R[0?1T ] = R[0?1T ]
?1 ?1 ?1


)
h ?[ +7T ] , +6 q ?[ +8T ] , +7 g ?[ +9T ] , +8 h ?[ +10T ] , +9 q ?[ +11T ]
+5

( ) ( ) P'[??11T ] ( ?2 P?1,0T ] )
S[??2,T?]1,0 ; S[??2,T?]1,0 ;
S'[??22T ] = S'[??22T ] S''[??12T ] = ?1 S''[??12T ] P'[??11T ] = [ ?21
3 3
?2 ?2 ?3 ?1 ?1 ?1
3

Прежде чем перейти к подробным объяснениям обозначений на схеме (рис. 6.2, а также рис. 2.1 и
2.2) и в системе рекуррентных соотношений (6.2.1), а также их смысла и содержательных интерпрета-
ций, ещё раз отмечу главную особенность предлагаемой (и её отличие от классической) постановки за-
дачи – её принципиальную трехконтурность. Здесь каждый из трех целевых критериев соответствую-
щих субконтуров иерархической оптимизации замыкается на свою переменную, причем эти переменные
находятся в иерархической связи между собой: реализующие их ярусы «вложены» один в другой.
6.3. Организм как преобразователь специфической (для него)
информации
Далее я постулирую, что восприятие специфического информационного сигнала, семантически
значимого для некоторого элемента системы природы, относящейся к основному уровню биоинтеграции
и рассматриваемого как ГЕГЕМОН, осуществляется на уровне другого смежного основного уровня
биоинтеграции, непосредственно прилегающего к первому «снизу» в иерархии, т.е. ИНДИВИДОВ, с
последующим преобразованием сигнала посредством промежуточных уровней биоинтеграции, находя-
щихся между данными основными уровнями биоинтеграции. То есть восприятие специфических
информационных сигналов, поступающих на БИОГЕОСФЕРУ ЗЕМЛИ, непосредственно
осуществляется её БИОГЕОЦЕНОЗАМИ, поступающих на БИОГЕОЦЕНОЗ – его
МНОГОКЛЕТОЧНЫМИ ОРГАНИЗМАМИ, поступающих на МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ – его
СЛОЖНЫМИ КЛЕТКАМИ, поступающих на СЛОЖНУЮ КЛЕТКУ – её УЛЬТРАСТРУКТУРНЫМИ
ВНУТРИКЛЕТОЧНЫМИ ЭЛЕМЕНТАМИ, и т.п.
Постулирую также, что все лежащие «ниже» в иерархии составляющие такого информационного
сигнала имеют для ГЕГЕМОНА неспецифический характер. Для примера: пусть ОРГАНИЗМ воспри-
нимает своими КЛЕТКАМИ-рецепторами некоторую информацию, имеющую для него семантическую
значимость: скажем, наблюдает невдалеке пищу либо, напротив, приближение опасности. Пусть для
простоты эта информация доносится до него только зрительно.
Последнее означает, что специализированные УЛЬТРАСТРУКТУРНЫЕ ВНУТРИКЛЕТОЧНЫЕ
ЭЛЕМЕНТЫ (УВЭ) в клетках сетчатки глаза воспринимают потоки фотонов, излучаемых (отражаемых)
АТОМАМИ указанных пищи/противника. Это осуществляется посредством возбуждения фотонами со-
ответствующих электронных оболочек АТОМОВ, выступающих здесь в роли специфических рецепто-
ров УВЭ. Так вот, относительно ОРГАНИЗМА, а также его КЛЕТОК информация, связанная с потоками
фотонов, должна рассматривается как неспецифическая – но относительно УВЭ КЛЕТОК данного ОР-
ГАНИЗМА эта информация, безусловно, специфична.
6.3.1. Клеточное восприятие организменной информации
Итак, пусть на специфические входы ОРГАНИЗМА – т.е. на его специфические клетки-рецепторы –
(1) (i ) (K )
поступают семантически значимые для него информационные сигналы X ?3 = ( x?3 ,..., x?3 ,..., x?3 ).
Здесь символом K обозначено число специфических рецепторов ОРГАНИЗМА, в качестве которых вы-
ступают соответствующие составляющие его КЛЕТКИ. Очевидно, что, вообще говоря, число рецепто-
ров K ? N ??? (числа всех КЛЕТОК ОРГАНИЗМА), хотя на практике K << N ??? . Символ «-3» указывает
на номер иерархического уровня в моей классификации, непосредственно воспринимающего данную
информацию.
Исходя из общности модельного подхода, буду условно считать, что размерность вектора X ?3 при-
менительно к воспринимающему его ОРГАНИЗМУ расширяется до N ??? за счет введения в него соот-
ветствующих нулевых компонент. При этом номера ненулевых компонент построенного таким образом
вектора X ?3 размерности N ??? соответствуют специфическим рецепторам ОРГАНИЗМА, т.е. именно
тем КЛЕТКАМ, которые реально и воспринимают семантически значимую для него информацию.

– 166 –
В соответствии со сформулированным выше постулатом буду считать, что операция восприятия
ОРГАНИЗМОМ (ГЕГЕМОНОМ) соответствующего специфического входного сигнала происходит на
иерархическом уровне (ярусе) всех составляющих его КЛЕТОК (ИНДИВИДОВ) с последующим его
преобразованием на тканевом (Трибном) и органном (Кастовом) уровнях (ярусах). Первая из перечис-
ленных операций может быть представлена в некотором приближении как произведение квадратной
матрицы «клеточных коэффициентов чувствительности» ?3 S[??2,T ]1,0 размерности N ??? ? N ??? на вектор
3
?

X ?3 размерности N ??? , давая в результате вектор (соответственно той же размерности N ??? ) «клеточного
S[??2,T?]1,0 • X ?3
X ?2 =
восприятия организменной информации» 3
?3 ?3

S[??2,T?]1,0 ):
(на рис. 6.3 показана матрица 3
?3



s(1,1) s(1,1) s(2,2) ...
S'
(i,i) s
……… ……… ……… ……… ……… … … … (i+1, ……… … … …-2
S -2
s
s ... ...
(2,2) i+1
-3 -2,-1,0 фаза
……… ……… ……… ……… 1а ……… ……… ……… ………
... ... ...
s(N'''- s
… … … (N''',
……… ……… ……… ……… ……… ……… ……… 1,
... ... N'')
N'''-1)
'
……… ……… ……… ………
s
(i,i)


s




фаза
……… … … … (i+1, ……… ………





i+1)
P-1,0
-2
……… ……… ……… ………
... P'-1
-1
……… ……… ……… ………
... p(1,1)
……… ……… ……… ……… … (j,j) … …

... p p(1,1) p(j,j)
фаза
p
……… ……… ……… ……… ………… 2а ………… (N'',
... ... ... N')
'
s p
……… ……… ……… ……… ………… (N'',
(N'''-1,
N'''-1) N'')

s
……… ……… ……… ………




фаза
(N''',





N'')
'
фаза




-1 V-1
3a




W v
S''-1 (1,1)
-1 -1
-1
vN')
(N',


s(i,i) s
(i+1,
s(1,1) s(2,2) w(1,1)
... ... ...
i+1)
фаза
ss w(N',
……… ……… ……… ……… 3б
(N''',
R0=-1R0(-1V-1+-1W-1)
(N'''-1,
... ... ... N')
N'''-1) N''')
-1


Рис. 6.3. Матричное представление клеточных коэффициентов чувствительности организма к посту-
пающим на него специфическим внешним воздействиям, а также тканевых и органных коэффициентов
информационных преобразований и коэффициентов поисковой активности.
ПРИМЕЧАНИЕ: при преобразованиях типа построчного суммирования – т.е. фаз 1а, 2а и 3а – обозначе-
ния элементов новых матриц соответствуют таковым для исходных матриц.
******************************************************************************************
Смысл такого представления – выделения матрицы ?3 S[??2,T ]1,0 в качестве неотъемлемой составляю-
3
?

щей механизма преобразования организмом специфической информации и, одновременно, средства
реализации его приспособительного поведения – как раз и заключается в том, что каждая клетка облада-
ет регулятором своей собственной поисковой активности (величина которого представлена в виде соот-
ветствующего диагонального элемента данной матрицы).
Здесь важно отметить, что:
1) матрица коэффициентов чувствительности ?3 S[??2,T ]1,0 представляет собой диагональную квазиеди-
3
?

ничную матрицу, которую можно определить как сумму единичной матрицы и некоторой квадратной
матрицы, все элементы которой ? i j << 1 для любых i, j ; в результате умножение такой квазиединич-
ной матрицы на произвольный вектор эквивалентно небольшим «покачиваниям» данного вектора в со-
ответствующем n-мерном пространстве (эта идея была ранее использована нами при синтезе нового ме-
тода «матричного» случайного поиска, в алгоритме которого знаки элементов ? i j выбираются случай-
ным образом [Гринченко,1975,1976; Гринченко,Растригин,1976]);

– 167 –
2) темп изменения вектора входных сигналов X ?3 a priori произволен и «не известен» алгоритму
S[??2,T?]1,0 является (по определе-
его восприятия, а темп изменения элементов матрицы чувствительности 3
?3

нию) темпом изменения поисковой активности КЛЕТОК (обозначаемому как [-3Т], т.е. номером “–3” в
нашей классификации); таким образом, «клеточное восприятие организменной информации» выделяет
из всего спектра возможных на ОРГАНИЗМ воздействий именно те, характерные времена изменения
которых адекватны характерным временам изменения элементов матрицы ?3 S[??2,T ]1,0 – т.е. коэффициен-
3
?

там чувствительности КЛЕТОК как таковых.
6.3.2. Тканевое восприятие организменной информации
Но восприятие поступающего на организм информационного сигнала клеточным (ИНДИВИД-
НЫМ) ярусом не исчерпывается. Согласно предлагаемой схеме далее необходимо ввести его преобра-
зование изменяющимся в более медленном темпе (обозначенном [-2Т], т.е. номером “–2” в моей класси-
фикации) тканевым (Трибным) ярусом:
[ ?2T ]
?2 X ?1 = ?2 S '?2 • ?3 X ?2

S '[??22T ] уже не может быть квадратной, т.к. размерность вектора «тканевого воспри-
Здесь матрица ?2

ятия организменной информации» ?2 X ?1 (равная N ?? ) существенно ниже размерности вектора ?3 X ?2
(равной N ??? ) – см. рис. 6.2 и 6.3.
Смысл такого представления – выделения матрицы «тканевого информационного преобразования»
[ ?2T ]
?2 S ' в качестве неотъемлемой составляющей механизма преобразования ОРГАНИЗМОМ специфи-
?2
ческой информации – как раз и заключается в том, что каждая ткань обладает своей собственной поис-
ковой активностью. Последняя представляет собой результат интегрирования (усреднения и сглажива-
ния по времени) сигналов поисковой активности всех составляющих данную ткань КЛЕТОК. Получае-
мая в результате матрица коэффициентов «поисковой активности» ?2 P?1,0 ] , а также матрица «тканевого
[ ?2T


S '[??22T ] будут более подробно рассмотрены ниже.
информационного преобразования» ?2

6.3.3. Органное восприятие организменной информации
Далее, аналогично предыдущему, восприятие поступающего на ОРГАНИЗМ информационного
сигнала клеточным и тканевым уровнями также не исчерпывается. Согласно предлагаемой концепции,
необходимо ввести его восприятие изменяющимся в ещё более медленном темпе (обозначенном [-1Т],
т.е. номером “–1” в моей классификации) органным уровнем:
[ ?1T ]
?1 X 0 = ?1 P '?1 • ?2 X ?1
Здесь важно отметить, что с тканевого на органный уровень поступает не только воспринятый и
преобразованный сигнал ?2 X ?1 , но и сама матрица коэффициентов поисковой активности ?2 P?1,0 ] , ре-
[ ?2T


зультатом дальнейшего преобразования которой и является матрица «органного информационного пре-
? ?
образования» ?1 P?[1?1T ] (см. рис. 6.3). Матрица ?1 P?[1?1T ] также не может быть квадратной, т.к. размерность
X 0 (равная N ? ) существенно ниже раз-
вектора «органного восприятия организменной информации» ?1

мерности вектора «тканевого восприятия организменной информации» ? 2 X ?1 (равной N ?? ).
?
Смысл такого представления – выделения матрицы ?1 P?[1?1T ] в качестве неотъемлемой составляющей
механизма преобразования ОРГАНИЗМОМ специфической информации и, одновременно, средства реа-
лизации его приспособительного поведения – как раз и заключается в том, что каждый орган обладает
своей собственной поисковой активностью. Последняя представляет собой результат интегрирования
(усреднения и сглаживания по времени) сигналов поисковой активности всех составляющих данный ор-
ган тканей. Получаемая в результате матрица коэффициентов «тканево-органной составляющей поис-
?
ковой активности ?1V?11T ] , а также матрица «органного информационного преобразования» ?1 P?[1?1T ] бу-
[?


дут более подробно рассмотрены ниже.
Но этим проблема не исчерпывается. Дело в том, что на органный уровень КЛЕТКИ могут воздей-
ствовать не только «через» их вхождение в ткани, но и непосредственно (см. рис. 6.2). Это следует, в
частности, из соображений симметрии (математического представления процессов иерархической опти-
мизации). Правда, при этом возникают сразу два несоответствия:
o временных темпов этих влияний временным темпам результата основного – т.е. через тканевый
уровень – канала преобразования специфического сигнала: «клеточное» влияние на орган изме-
няется в ?n (˜ e e ) раз быстрее «тканевого» (см. пункт 2.5.1); тем самым вклад «клеточного»

– 168 –
влияния в процесс информационного преобразования – на этом этапе – не может быть «опера-
тивным», поскольку из-за инерционностей механизма иерархической оптимизации здесь могут
учитываться только средние значения «клеточных» влияний (за соответствующий период);
o размерностей промежуточной матрицы преобразования ?1 S ??1 ?2 ( N ? ? N ??? ) и вектора посту-
? [ T]
пающего на органный уровень воздействия ? 2 X ?1 ( N ?? ) – см. рис. 6.2.
Наиболее естественным, на мой взгляд, способом преодоления указанных несоответствий является
? [ T]
отказ от интерпретации промежуточной матрицы ?1 S ??1 ?2 как матрицы собственно информационного
преобразования (на органном уровне), и трактовка её лишь как этапа к последующей выработке матри-
цы коэффициентов «клеточно-органной составляющей поисковой активности» ?1W?12T ] , используемой
[?


при формировании матрицы коэффициентов «органной поисковой активности» ?1 R[0?1T ] (будут подроб-
но рассмотрены ниже). Как следствие, в качестве матрицы «органного информационного преобразова-
?
ния» далее буду рассматривать только матрицу ?1 P?[1?1T ] .
После вычленения в канале обработки входного информационного сигнала этих трех фаз все ос-
тальные зависимости между специфическими входами и специфическими же выходами ОРГАНИЗМА
можно, не теряя общности, обозначить с помощью введения обобщенного оператора 0 F0 :
[ T] [ T] [ T]
Y = 0 F0 ( ?1 X 0 )= 0 F0 ( ?1 R ' ?1 ?1 •( ? 2 P' ? 2 ?2 •( ?3 S ? 2, ?1, 0 ?3 • X ?3 )))
0


6.4. Организм как демонстратор поискового процесса
иерархической оптимизации
Поскольку при рассмотрении процесса в некотором контуре, – т.е. процесса циклического, – начи-
нать его описание можно с любой точки, сделаю это наиболее удобным для дальнейшего изложения об-
разом, а именно: начну с операции, проявляемой биообъектами всех уровней интеграции, или активного
приспособительного поведения. Эту операцию буду интерпретировать как поисковый процесс в контуре
иерархической оптимизации.
6.4.1. Поисковый процесс иерархической оптимизации на клеточном уровне
Итак, как было показано выше, каждая СЛОЖНАЯ КЛЕТКА (ИНДИВИД), находящаяся в составе
МНОГОКЛЕТОЧНОГО ОРГАНИЗМА (ГЕГЕМОНА), вырабатывает свое значение коэффициента чув-
ствительности «клеточного восприятия организменной информации». Совокупность всех КЛЕТОК ОР-
ГАНИЗМА вырабатывает тем самым соответствующий набор коэффициентов. Их можно было бы пред-
ставить в виде некоторого вектора, но удобнее сделать это в виде квадратной квазиединичной матрицы
[ ?3T ]
?3 S ?2, ?1,0 .

Примем для простоты, что элементы входного для организма информационного вектора X ?3
(напомню, что нижний индекс «-3» обозначает тот факт, что X воздействует на ярус с номером «-3», т.е.
на КЛЕТКИ – ИНДИВИДЫ, рассматриваемые здесь как механизм/элемент восприятия специфических
информационных воздействий на ОРГАНИЗМ – ГЕГЕМОН) независимы и не влияют друг на друга на
этапе их восприятия. Тогда и учитывать такое влияние в воспринимающем устройстве нет необходимо-
сти. Следовательно, только диагональные элементы матрицы ?3 S[??2,T ]1,0 будут отличны от нуля (точнее,
3
?

каждый из этих диагональных элементов незначительно отличается от единицы), и такую квазиединич-
ную матрицу будем называть вырожденной. В содержательных терминах это значит, что каждая КЛЕТ-
КА генерирует только один соответствующий элемент s ( i ,i ) , который естественно назвать коэффициен-
том чувствительности к i -й компоненте входного воздействия X ?3 .
Если не делать предположения об автономности компонент вектора X ?3 , это приводит к необходи-
мости формирования полной квазиединичной матрицы, т.е. генерирования каждой клеткой N ??? компо-
нент каждого коэффициента чувствительности. Подобное предположение сделает дальнейшие рассуж-
дения чуть более громоздкими, ничего не меняя в них по существу.
Таким образом, в каждой КЛЕТКЕ генерируется величина s ( i ,i ) (диагональный элемент матрицы
[ ?3T ]
?3 S ?2, ?1,0 , заданной для всей совокупности КЛЕТОК, составляющих рассматриваемый ОРГАНИЗМ) –
[ T]
как функция целого ряда других величин. Основным её аргументом является величина ?3 H ?43 – инте-
?


гральный результат деятельности (целевой критерий типа неравенств) «нижележащего» в иерархии суп-


– 169 –
раконтура «КЛЕТКА-УЛЬТРАСТРУКТУРНЫЕ ВНУТРИКЛЕТОЧНЫЕ ЭЛЕМЕНТЫ», изменяющаяся
именно в темпе, помеченном нами как [-3Т].
Все другие аргументы этой функции буду рассматривать как её параметры по той простой причи-
не, что они изменяются либо в более быстром темпе (т.е. на данную функцию оказывают влияние только
[? T]
[? T]
их средние значения) – в данном случае это переменные ?3 G?54 , ?3 Q?65 , либо в более медленном темпе
(т.е. на данную функцию оказывают влияние только их мгновенные значения, но они изменяются на-
столько медленно, что на соответствующих отрезках времени их можно было бы рассматривать как кон-
станты – но на последующих отрезках уже как константы с новыми значениями). В данном случае это
переменные «системной памяти» оптимизационного процесса, осуществляемого на высших уровнях
интеграции системы живого по отношению к рассматриваемому
[ T] [ T] [ T]
q ? ?1 , ? 2 g ? 0 ,?1 h ? +1 , 0 q ?[ +2T ] , +1 g ?[ +3T ] , +2 h ?[ +4T ] , +3 q ?[ +5T ] , +4 g ?[ +6T ] , +5 h ?[ +7T ] , +6 q ?[ +8T ] , +7 g ?[ +9T ] ,
?3

h ?[ +10T ] , +9 q ?[ +11T ] ,… (более подробно они будут описаны ниже).
+8

Кстати говоря, учет именно этого фактора коренным образом отличает предлагаемый подход к мо-
делированию действительно сложных систем от наиболее часто использующегося на практике. Ведь
поскольку вычислительные трудности в сложных моделях биообъектов весьма велики, их авторы часто
вынуждены опускать учет влияния медленных процессов, и заменять их константами. Но, к сожалению,
это слишком часто приводит к утрате предсказательных способностей таких моделей на больших отрез-
ках времени, за которые даже такие медленные процессы успевают существенно измениться.
6.4.2. Поисковый процесс иерархической оптимизации на тканевом уровне
Выше нами была сформулирована первая задача данного уровня (яруса) – формирование матрицы
«тканевого информационного преобразования» ?2 S '[??22T ] (размерности N ?? ? N ??? ) для преобразования
вектора (размерности N ??? ) «клеточного восприятия организменной информации» в вектор «тканевого
восприятия организменной информации» (размерности N ?? ).
Эту прямоугольную матрицу ?2 S '[??22T ] можно получить, суммируя строки «клеточной» матрицы ко-
S[??2,T?]1,0 следующим образом (см. рис. 6.3, фаза 1а).
эффициентов чувствительности 3
?3

Будем далее, в соответствии с приведенной выше договоренностью, обозначать верхним правым
индексом в круглых скобках номера строк исходной и результирующей матриц. В данном случае, стро-
ки исходной матрицы ?3 S[??2,T ]1,0 и результирующей матрицы ?2 S '[??22T ] – это векторы размерности N ??? . Бу-
3
?

дем также обозначать номера самих индексов нижним правым подиндексом в круглых скобках.
Тогда первая строка результирующей матрицы ?2 S '[??22T ] может быть сформирована с помощью по-
S[??2,T?]1,0 , т.е. векторов S (1)[??1,0] :
3T
компонентного суммирования первых i(1) строк исходной матрицы 3
?3 ?3 ?2,
i(1)

? S (?i2,??1,0] = ?2 S'(1)[ ?2T ] ;
)[ 3T
?3 ?2
i =1
вторая строка результирующей матрицы – с помощью покомпонентного суммирования следующих i(2)
строк исходной матрицы:
i( 2 )

? S(i)[ ?31,0] = ?2 S'(2)[ ?2T ] ;
?T
?3 ?2, ?2
i = i(1) +1

и т.д. вплоть до последней строки результирующей матрицы, которая может быть сформирована с по-
мощью покомпонентного суммирования последних строк исходной матрицы, начиная с номера
( i( N ???1) +1 ) и до номера i( N ??) = N ??? :

N ???

? S(i)[ ?31,0] = ?2 S'(N??)[ ?2T ]
?T
?3 ?2, ?2
i = i( N ???1) +1

Поскольку i(1) – номер последней клетки первой ткани, i(2) – номер последней клетки второй ткани и
т.д. вплоть до i(N’’-1) – номера последней клетки предпоследней ткани, то переменная i(1) – это число кле-
ток в ткани № 1, разность i(1) и i(2) дает число клеток в ткани № 2, и т.д.; переменная N ?? – общее число
тканей в организме (ГЕГЕМОНЕ).




– 170 –
S[??2,T?]1,0 диагональная, в первой строке результирующей матри-
Ввиду того, что исходная матрица 3
?3

цы ?2 S '[??22T ] первые i(1) элементов будут отличны от нуля – будут совпадать с соответствующими первы-
ми диагональными элементами исходной матрицы, – а остальные элементы будут нулевыми:
T ](1,1) [ T ]( 2 , 2 ) T ] ( i ( 1 ) , i (1 ) )
[ T] [ [
(1)
= ( ? 3 s? 2, ?1, 0 ?3
? 2 S' ? 2 , ? 3 s? 2, ?1,0 ?3 ,...,? 3 s? 2, ?1,0 ?3 ,0,...,0)
?2



i (1) элементов

(здесь и далее для элементов результирующей матрицы сохранены обозначения элементов исходной).
Далее аналогично:
[ T ] ( i(1) +1,i(1) +1) [ T ] ( i(1) + 2 ,i(1) + 2 ) [ T ] ( i( 2 ) ,i( 2 ) )
[ T]
(2)
= ( 0,...,0,
? 2 S' ? 2 ?3 s? 2 , ?1, 0 , ?3 s? 2, ?1,0 ?3 ,..., ?3 s? 2, ?1,0 ?3 ,
?2 ?3


i(1) элементов i( 2 ) элементов

0,...,0)
Наконец:
T ]( N ??? , N ??? )
T ]( i ( N ?? ) +1, i ( N ?? ) +1) T ]( i ( N ?? ) + 2 , i ( N ?? ) + 2 )
[ T] [ [ [
(N ??)
= (0,...,0, ? 3 s? 2, ?1, 0 ?3
? 2 S' , ? 3 s? 2, ?1, 0 ?3 ,..., ? 3 s? 2, ?1,0 ?3 )
?2
?2

( N ??? ? i ( N ?? ) ) элементов

При этом данная операция совмещена с операцией, реализуемой соответствующим блоком «инер-
ционности»: процессы, характеризуемые темпом [-3Т], «сглаживаются» до темпа [-2Т] (см. рис. 6.2, блок
4 на ярусе Ткани/Трибы).
Вторая задача тканевого уровня (яруса) – сформировать матрицу коэффициентов «тканевой поис-
ковой активности» ?2 P?1,0 ] . Эта задача возникает в связи с тем, что на тканевом (Трибном) уровне, в от-
[ ?2T


личие от клеточного (ИНДИВИДНОГО), матрица «тканевого информационного преобразования»
[ ?2T ]
? 2 S' ? 2 не является одновременно матрицей «тканевой поисковой активности».
P?1,0 ] удобно рассматривать как
[ ?2T
Эту новую матрицу коэффициентов «поисковой активности» ?2

квадратную квазиединичную матрицу размерности N ?? ? N ?? , где N ?? – число тканей (Триб) в рассматри-
ваемом организме (ГЕГЕМОНЕ). Тогда каждый диагональный элемент этой матрицы естественным об-
разом интерпретируется как коэффициент поисковой активности соответствующей ткани (Трибы).
Указанную квадратную матрицу можно получить с помощью суммирования соответствующих
столбцов матрицы ?2 S '[??22T ] (см. рис. 6.3, фаза 1б):
? i (1) ?
? ? ? 2 s '? 2[ ?2T ](1, j ) ? = ? 2 p?1, 0[ ?2T ](1,1) ;
?? (1)
?
? j =1 ?
? i( 2 ) ?
?+?12 s'? 2
( 2) ? ? = ? 2 p?1,0[ ?2T ]( 2, 2 ) ;
[ ? 2T ]( 2 , j )
?
? j =i ?
? (1 ) ?
…;
? N ??? ?
? ? ? 2 s '? 2[ ?2T ]( N ??, j ) ? = ? 2 p?1,0[ ?2T ]( N ??, N ??)
( N ?? )
?
? j = i +1 ?
? ( N ???1) ?
Здесь индексами 1, 2, …, N ?? обозначены как номера строк матрицы «тканевого информационного пре-
образования» ?2 S '[??22T ] размерности N ?? ? N ??? , так и номера строк и столбцов матрицы коэффициентов
P?1,0 ] размерности N ?? ? N ?? ; ? (1) , ? (2) ,..., ? ( N ??) – это некоторые за-
[ ?2T
«тканевой поисковой активности» ?2

данные для каждой ткани функции, которые в первом приближении можно рассматривать как норми-
рующие для соответствующих элементов.
При этом данную операцию следует рассматривать как «безынерционную»: процессы, характери-
зуемые темпом [-2Т], не меняют своего темпа при данном функциональном преобразовании.
6.4.3. Поисковый процесс иерархической оптимизации на органном уровне
Выше была сформулирована первая задача данного уровня (яруса) – сформировать матрицу «ор-
ганного информационного преобразования ?1 P?[1?1T ] для преобразования вектора (размерности N ?? )
?
«тканевого восприятия организменной информации» в вектор «органного восприятия организменной
информации» (размерности N ? ).


– 171 –
?
P?[1?1T ] можно получить, покомпо-
По аналогии с тканевым уровнем, эту прямоугольную матрицу ?1

P?1,0 ] (см. рис.
[ ?2T
нентно суммируя строки матрицы коэффициентов «тканевой поисковой активности» ?2
[ T]
6.3, фаза 2а). В частности, первая строка результирующей матрицы ?1 P?[1?1T ] (т.е. вектор ?1 P'(1) ?1 ?1 ) мо-
?
жет быть сформирована с помощью покомпонентного суммирования первых I(1) строк исходной матри-
[ T]
P (i) ?1,0 ?2 , где i=1,…,I(1)):
P?1,0 ] (т.е. векторов
[ ?2T
цы ?2
?2
I (1)

?
[ T] [ T]
P (i) ?1,0 ?2 = ?1 P'(1) ?1 ?1 ;
?2
i =1
вторая - с помощью покомпонентного суммирования следующих I(2) строк исходной матрицы:
I (2)

? [ T] [ T]
P (i) ?1, 0 ?2 = ?1 P'(2) ?1 ?1 ;
?2
i = I (1) +1

и т.д. вплоть до последней строки результирующей матрицы, которая может быть сформирована с по-
мощью покомпонентного суммирования последних строк исходной матрицы, начиная с номера (I(N'-1)+1)
и до номера I ( N ?) = N ?? :

N ??

?
[ T] [ T]
P (i) ?1,0 ?2 = ?1 P'(N?) ?1 ?1 ;
?2
i = I ( N ??1) +1

Здесь индексами 1, 2, …, N ?? обозначены как номера строк и столбцов матрицы коэффициентов «тка-
невой поисковой активности» ?2 P?1,0 ] размерности N ?? ? N ?? , так и номера столбцов матрицы «органно-
[ ?2T


го информационного преобразования» ?1 P?[1?1T ] размерности N ? ? N ?? . Переменная I(1) – это число тканей
?
в органе № 1, переменная I(2) – это число тканей в органе № 2, разность I(1) и I(2) дает число тканей в ор-
гане № 2, и т.д.; переменная N ? – общее число органов в организме.
Ввиду того, что исходная матрица ?2 P?1,0 ] диагональная, то расположение элементов в строках ре-
[ ?2T


?
зультирующей матрицы ?1 P?[1?1T ] будет аналогичным предыдущему (т.е. результату подобной операции
на тканевом уровне) – см. рис. 6.3. При этом данная операция совмещена с операцией, реализуемой со-
ответствующим блоком «инерционности»: процессы, характеризуемые темпом [-2Т], «сглаживаются» до
темпа [-1Т] (см. рис. 6.2, блок 4 на ярусе Органы/Касты).
Вторая задача органного уровня (яруса) – сформировать матрицу коэффициентов «органной поис-
ковой активности» ?1 R[0?1T ] . Эта задача возникает также в связи с тем, что на органном (Кастовом)
уровне, в отличие от клеточного (ИНДИВИДНОГО), матрица «органного информационного преобразо-
?
вания» ?1 P?[1?1T ] не является одновременно матрицей «поисковой активности». Но, как это было указано
выше, в подразделе 6.3, данная задача распадается на две:
А) задачу формирования матрицы коэффициентов «тканево-органной составляющей поисковой
активности» ?1V?11T ] ;
[?


Б) задачу формирования матрицы коэффициентов «клеточно-органной составляющей поисковой
активности» ?1W?12T ] ,[?


Каждую из таких матриц коэффициентов «составляющих органной поисковой активности», как
[ ?1T ]
, так и ?1W?12T ] , удобно рассматривать как квадратные квазиединичные матрицы размерности
[?
?1V?1

N ? ? N ? , где N ? – число органов (Каст) в рассматриваемом ОРГАНИЗМЕ (ГЕГЕМОНЕ). Тогда каж-
дый диагональный элемент этих матриц естественным образом интерпретируется как соответственно
тканево-органная и клеточно-органная составляющие диагональных элементов матрицы ?1 R[0?1T ] коэф-
фициентов «органной (Кастовой) поисковой активности» органов в составе ОРГАНИЗМА (ГЕГЕМО-
НА).
Решение задачи № 2А. Указанную квадратную матрицу ?1V?11T ] можно получить с помощью сум-
[?


?
P?[1?1T ]
мирования соответствующих столбцов матрицы «органного информационного преобразования» ?1
(см. рис. 6.3, фаза 2б):


– 172 –
? I(1) ?
? ? ? ?1 p '?1[ ?1T ](1, j ) ? = ?1 v?1[ ?1T ](1,1) ;
(1)
? j =1 ?
? ?
? I( 2) ?
? ? ? ?1 p '?1[ ?1T ](2, j ) ? = ?1 v?1[ ?1T ](2,2) ;
(2)
? j = I +1 ?
? (1) ?
…;
? N ?? ?
? ? ? ?1 p '?1[ ?1T ]( N , j ) ? = ?1 v?1[ ?1T ]( N , N )
? ??
( N ?)
? j = I +1 ?
? ( N ??1) ?
Здесь индексами 1, 2, 3, …, N ? обозначены как номера строк прямоугольной матрицы «органного ин-
формационного преобразования» ?1 P?[1?1T ] размерности N ? ? N ?? , так и номера строк и столбцов коэффи-
?
V?11T ] размерности N ? ? N ? ;
[?
циентов «тканево-органной составляющей поисковой активности» ?1

? (1) , ? (2) ,..., ? ( N ?) – это некоторые заданные для каждого органа функции, которые в первом приближе-
нии можно рассматривать как нормирующие для соответствующих элементов.
При этом данную операцию следует рассматривать как «безынерционную»: процессы, характери-
зуемые темпом [-1Т], не меняют своего темпа при данном преобразовании.
Решение задачи № 2Б. Но матрица клеточных коэффициентов чувствительности ?3 S[??2,T ]1,0 непо-
3
?

средственно поступает не только на ярус тканей, но и на ярус органов (см. рис. 6.2). Её дальнейшие пре-
образования можно описать с помощью двух последовательных операций (рис. 6.3, фазы 3а и 3б).
(Фаза 3а рисунка 6.3): покомпонентное суммирование строк матрицы «клеточных коэффициентов
[ T]
чувствительности» ?3 S[??2,T ]1,0 . Тогда первая строка результирующей матрицы ?1 S ??1 ?2 размерности
3
?
?

N ? ? N ??? может быть сформирована с помощью покомпонентного суммирования первых I(1) строк ис-
[ T]
ходной матрицы ?3 S[??2,T ]1,0 , т.е. векторов ?3 S (1) ? 2, ?1, 0 ?3 :
3
?
?
I (1)

? [ ?3T ] [ T]
(i)
= ?1 S''(1) ?1 ?2
?3 S ?2, ?1,0
i =1
вторая строка результирующей матрицы - с помощью покомпонентного суммирования следующих I(2)
строк исходной матрицы:
?
I( 2 )

?
[ T] [ ?2T ]
S(i) ?2,?1,0 ?3 = ?2 S'(2) ?2 ;
?3
?
i = I (1) +1

и т.д. вплоть до последней строки результирующей матрицы, которая может быть сформирована с по-
мощью покомпонентного суммирования последних строк исходной матрицы, начиная с номера
? ?
( I ( N ??1) + 1) и до номера I ( N ?) = N ??? :

N ???

? [ T] [ ?2T ]
S(i) ?2,?1,0 ?3 = ?2 S'(2) ?2
?3
?
i = I ( N ??1) +1

Здесь индексами 1, 2, …, N ? обозначены номера строк промежуточной матрицы ?1 S ??1 ?2 размерности
[ T]
?
N ? ? N ??? ; переменная I(1) – это число клеток в органе №1, переменная I (2) – это число клеток в органе
№2, разность I (1) и I (2) дает число клеток в органе №2, и т.д.; переменная N ??? – общее число клеток в
организме.
Ввиду того, что исходная матрица ?3 S[??2,T ]1,0 диагональная, то расположение элементов в строках ре-
3
?
[ T]
зультирующей матрицы ?1 S' '?1 ?2 будет аналогичным предыдущему (т.е. результату подобной операции
на тканевом уровне) – см. рис. 6.3. При этом данная операция совмещена с операцией, реализуемой со-
ответствующим блоком «инерционности»: процессы, характеризуемые темпом [-3Т], «сглаживаются» до
темпа [-2Т] – но не до темпа [-1Т] !
[ T]
(Фаза 3б рисунка 6.3): суммируя столбцы промежуточной матрицы ?1 S ??1 ?2 следующим образом:
?




– 173 –
? I?(1) ?
? ? ? ?1 s? ??1[ ?2T ](1, j ) ? = ?1 w?1[ ?2T ](1,1) ;
(1)
? j =1 ?
? ?
? I?( 2) ?
? ? ? ?1 s?1 [ ?2T ](2, j ) [ T ](2,2)
?? ? = ?1 w?1 ?2
(2)
;
? j = I? ?
? (1) ?

? N ??? ?
? ? ?1 s?1
[ ?2T ]( N ?, j ) [ T ]( N ?, N ? )
( N ?)
??
? ? = ?1 w1 ?2
? j = I? +1 ?
? ( N ??1) ?
Здесь индексами 1, 2, …, N ? обозначены как номера строк прямоугольной промежуточной матрицы
?? [ ?2T ] размерности N ? ? N ??? , так и номера строк и столбцов матрицы коэффициентов «клеточно-
?1 S ?1
??
органной составляющей поисковой активности» ?1W?12T ] ; ? (1) ,? (2) ,...,? ( N ) – это некоторые заданные
[?


для каждого органа функции, которые в первом приближении можно рассматривать как нормирующие
для соответствующих коэффициентов чувствительности к специфическим входным воздействиям на
организм. При этом данную операцию мы рассматриваем как «безынерционную»: процессы, характери-
зуемые темпом [-2Т], не меняют своего темпа при данном преобразовании.
Суммирование матриц ?1V?11T ] и ?1W?12T ] (и, возможно, некоторые дополнительные функциональ-
[? [?


ные преобразования) дают результирующую матрицу коэффициентов «органной поисковой активно-
сти»
( )
[ ?1T ]
= ?1 R[0?1T ] ?1V?11T ] + ?1W?12T ] .
[? [?
?1 R 0


6.5. Организм как реализатор целевых критериев в механизме
иерархической оптимизации
Следующий этап в рассмотрении процессов в некотором контуре иерархической оптимизации –
анализ свойств, проявляемых биообъектами, относящимися только к основным уровням биологической
интеграции. Именно и только они реализуют операции целеполагания, т.е. выработки критериев оптими-
зации своего приспособительного поведения. При этом в рамках супраконтура, который ограничен дву-
мя смежными основными уровнями биоинтеграции, в качестве целеполагающего выступает, естествен-
но, «верхний» в иерархии, или ГЕГЕМОН (см. рис. 6.2).
Согласно постановке задачи иерархической оптимизации в системе природы, критерии оптимиза-
ции имеют троякую структуру (6.2.1). Это естественно интерпретировать – применительно к супракон-
туру МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ – следующим образом:
( )
1) целевой критерий 0 Q?32T ] ?3 S[??2,T ]1,0 вырабатывается как результат совмещенного функционального
[? 3
?

преобразования/сглаживания по времени переменных, отражающих поисковую активность КЛЕТОК
(ИНДИВИДОВ) в составе супраконтура (т.е. в данном случае темп изменения 0 Q?32T ] соответствует
[?


уровню «-2» в моей классификации); как представляется, налицо проявление поискового поведения
элементов основного уровня биоинтеграции, существенно более «раскрепощенного» по сравнению с
поисковым поведением элементов промежуточного уровня биоинтеграции (см. ниже);
2) критерий типа равенств 0 G?21T ] ( ?2 P?1,0 ] ) вырабатывается как результат совмещенного функциональ-
[? [ ?2T


ного преобразования/сглаживания по времени переменных, отражающих поисковую активность
[? T]
тканей (Триб) в составе супраконтура (т.е. в данном случае темп изменения 0 G?21 соответствует
уровню «-1» в моей классификации); как представляется, налицо определенная корреляция идеи
сравнительной однородности структуры тканей (эмпирически наблюдаемой) и идеи задания опреде-
ленных правил и строгого соответствия определенным зависимостям при поисковом поведении та-
ких элементов промежуточных уровней биоинтеграции, как Трибы;
[ 0T ] [ T]
3) критерий типа неравенств 0 H ?1 ( ?1 R 0?1 ) вырабатывается как результат совмещенного функцио-
нального преобразования/сглаживания по времени переменных, отражающих поисковую активность
[ 0T ]
органов (Каст) в составе супраконтура (т.е. в данном случае темп изменения 0 H ?1 соответствует
уровню «0» в моей классификации); как представляется, налицо определенная корреляция идеи
сравнительной неоднородности структуры органов (также эмпирически наблюдаемой) и идеи зада-

– 174 –
ния определенных ограничений при поисковом поведении таких элементов промежуточных уровней
биоинтеграции, как Касты.

6.6. Процессы системной памяти в механизме иерархической
оптимизации
Память о траектории поиска и значениях поисковых параметров – это важнейшая составляющая
любого алгоритма поисковой оптимизации. На основании информации из памяти алгоритм имеет воз-
можность корректировать дальнейший ход процесса, варьируя указанные параметры с тем, чтобы дос-
тигать наилучшего качества поиска. С позиций предлагаемой концепции иерархической поисковой оп-
тимизации в системе живого системная память – это именно тот фактор, который и определяет её столь
высокую экспериментально наблюдаемую эффективность функционирования.
Применительно к супраконтуру МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ, меха-
низмами запоминания информации обладают элементы всех уровней интеграции, как основных, так и
промежуточных. Но все такие механизмы имеют на своих «входах» переменные, отражающие целевые
критерии в механизме иерархической поисковой оптимизации (см. рис. 6.2).
( )
Так, целевой экстремальный критерий 0 Q?32T ] ?3 S[??2,T ]1,0 не только выступает в роли своеобразной
[? 3
?

управляющей «заслонки» для генератора поисковой активности КЛЕТОК (ИНДИВИДОВ) (см. рис. 6.2,
блок 1 на уровне/ярусе КЛЕТКИ (ИНДИВИДЫ)), замыкая тем самым основной субконтур иерархиче-
ской поисковой оптимизации. Он также преобразуется в блоке 4 того же уровня/яруса – функционально
и, главное, «сглаживаясь» по времени на величину ?n , близкую к e e .
[ T]
q ? ?1
Именно выходную величину блока 4 и следует рассматривать как величину, отражающую
?3

( )
S[??2,T?]1,0 . Напомню, что символом
системную память о процессе изменения целевого критерия 0 Q?32T ]
[? 3
?3

здесь, в соответствии с упомянутым выше перечнем обозначений, обозначен тот факт, что данная ве-
?
личина воздействует на все нижележащие ярусы в системе иерархической поисковой оптимизации.
Целевой критерий типа равенств 0 G?21T ] ( ?2 P?1,0 ] ) , в свою очередь, не только выступает в роли
[? [ ?2T


управляющей «заслонки» для генератора поисковой активности тканей (Триб) (см. рис. 6.2, блок 1 на
уровне/ярусе Ткани/Трибы), замыкая тем самым первый дополнительный субконтур иерархической по-
исковой оптимизации. Он также преобразуется в блоке 4 того же уровня/яруса – функционально и, глав-
ное, «сглаживаясь» по времени на ту же величину ?n .
[ T]
Выходную величину ? 2 g ? 0 данного блока 4 следует рассматривать как величину, отражающую
системную память о процессе изменения целевого критерия 0 G?21T ] ( ?2 P?1,0 ] ) .
[? [ ?2T

[ T]
Наконец, целевой критерий типа неравенств 0 H ?1 ( ?1 R[0?1T ] ) не только выступает в роли управ-
0


ляющей «заслонки» для генератора поисковой активности органов (Каст) (см. рис. 6.2, блок 1 на уров-
не/ярусе Органы/Касты), замыкая тем самым второй дополнительный субконтур иерархической поис-
ковой оптимизации. Он также преобразуется в блоке 4 того же уровня/яруса – функционально и, глав-
ное, «сглаживаясь» по времени на ту же величину ?n .
[ T]
h ? +1
Выходную величину данного блока 4 следует рассматривать как величину, отражающую
?1
[ T] [ T]
системную память о процессе изменения целевого критерия 0 H ?1 ( ?1 R 0?1 ) .
0


Остальные переменные, приведенные в постановке задачи иерархической поисковой оптимизации
для супраконтура МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ, генерируются на уровнях
интеграции (ярусах) системы живого, «высших» по отношению к этому супраконтуру (см. рис. 2.1). Тем
самым они отражают иерархическую связь между супраконтурами, составляющими иерархическую
систему живой природы в целом.
[ T]
Особое место здесь занимает переменная 0 q ? +2 , которая вырабатывается на уровне МНОГОКЛЕ-
ТОЧНОГО ОРГАНИЗМА, но который в данном случае рассматривается уже не как ГЕГЕМОН в супра-
контуре МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ, а как ИНДИВИД в супраконтуре
БИОГЕОЦЕНОЗ-МНОГОКЛЕТОЧНЫЕ ОРГАНИЗМЫ.
Остальные переменные, фигурирующие в постановке задачи иерархической поисковой оптимиза-
ции для супраконтура МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ, это характеристики
[ T] [ T] [ T] [ T] [ T] [ T] [ T] [ T] [ T]
системной памяти: +1 g ? +3 , + 2 h ? +4 , + 3 q ? +5 , + 4 g ? +6 , + 5 h ? +7 , + 6 q ? +8 , + 7 g ? +9 , + 8 h ? +10 , + 9 q ? +11 ,…

– 175 –
Смысл и информационное (вернее – управленческое, оптимизационное) содержание этих переменных
легко понять по аналогии с описанными выше одноименными переменными, заданными для супракон-
тура МНОГОКЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ.
•••••
В настоящем разделе работы концепция рассмотрения приспособительного поведения системы жи-
вой природы в терминах процессов иерархической поисковой оптимизации определена формально. Ма-
тематический вид итеративных процессов решения соответствующей задачи адаптации ввиду их неко-
торой громоздкости приведен здесь только для части супрасистемы – т.е. для супраконтура МНОГО-
КЛЕТОЧНЫЙ ОРГАНИЗМ-СЛОЖНЫЕ КЛЕТКИ. Но, исходя из общности постановки указанной зада-
чи, следует предполагать, что подобный вид имеют и «смежные» задачи в иерархии системы живого. Но
ниже (в разделе 8) будет показано, что полностью это справедливо лишь для супраконтура СЛОЖНАЯ
КЛЕТКА-ЭЛЕМЕНТОНЫ, а относительно супраконтуров БИОГЕОЦЕНОЗ-МНОГОКЛЕТОЧНЫЕ ОР-
ГАНИЗМЫ, БИОГЕОСФЕРА-БИОГЕОЦЕНОЗЫ и ЭЛЕМЕНТОН-АТОМЫ это верно лишь «в принци-
пе», поскольку каждый из них имеет – на современном этапе метаэволюции живого – свои конкретные
особенности.
В заключение коротко коснусь проблемы реализации предлагаемой концепции в форме построения
компьютерных моделей тех или иных фрагментов механизма иерархической поисковой оптимизации
системы живой природы. Здесь приходится отметить, что при такой реализации неизбежно возникает
необходимость воспроизведения не просто «параллельности» хода соответствующих процессов, но мно-
гослойной, иерархической параллельности. На сегодня, в рамках наиболее распространенной фон-
Неймановской архитектуры компьютеров, подобное распараллеливание осуществляется за счет исполь-
зования специализированных программных сред. Но очевидно, что наиболее эффективное исследование
этого феномена средствами компьютерного моделирования возможно лишь при использовании средств
вычислительной техники, адекватных особенностям рассматриваемой задачи. То есть создаваемых сего-
дня параллельных компьютеров – но, быть может, дополненных новыми специфическими свойствами.




– 176 –



СОДЕРЖАНИЕ