Сглаженные рандомизированные функционалы и алгоритмы в теории адаптации и обучения

Формулируется общая задача принятия оптимальных решений в условиях неопределенности, или, что эквивалентно, задача оптимизации при неполных данных относительно критерия качества — функционала. Вводится понятие сглаженных рандомизированных функционалов и градиентов. Оптимальное решение представляет собой рандомизированное случайное решение, которое находится при помощи общих алгоритмов, получающихся на основе обычного адаптивного подхода. Из этих алгоритмов в качестве частных случаев получаются различные, как регулярные, так и поисковые, алгоритмы обучения. Указывается путь построения алгоритмов оптимального обучения. Рассматривается также вопрос об учете ограничений на основе обобщения метода штрафных функций.