Термин «самообучение» в данном случае используется потому, что аналогичные алгоритмы описывают процесс самообучения живых организмов (опыты с мышью в лабиринте и т. п.). Более подробно такие бионические алгоритмы случайного поиска, моделирующие поведение живых существ, будут рассмотрены в § 3.7.
Оба описанных алгоритма случайного поиска эффективно работают при оптимизации сложных объектов. Их эффективность в одинаковых условиях одинакова. Однако коллектив оптимизирующих автоматов еще имеет возможность эволюционировать (см § 3.7).
В заключение отметим, что здесь описаны лишь основные алгоритмы локального случайного поиска, с помощью которых обычно создают его многочисленные модификации, приспособляемые для решения конкретных задач оптимизации сложных систем.
детерминированна, т. е. является регулярной зависимостью нового состояния 
от результата х и предыдущего состояния 
Ее можно представить, например, в виде двух детерминированных графов, показанных на рис. 3.3.10.
автомата поиска здесь случайная и задается, как и (3.3.30), на состояниях 
в виде вероятности шага в положительном направлении:
— монотонновозрастающая функция, например, вида 
