Tải bản đầy đủ - 0 (trang)
3 Thuật toán di truyền

3 Thuật toán di truyền

Tải bản đầy đủ - 0trang

GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



được tác giả J.H.Holland giới thiệu vào năm 1962. Cơ sở toán học đã được phát

triển từ cuối những năm 1960 và đã được giới thiệu trong cuốn sách đầu tiên của

Holland “Adaptive in Natural and Artificial Systems” [12]. Thuật toán di truyền

được ứng dụng đầu tiên trong hai lĩnh vực chính : tối ưu hóa và học máy.

Trong lĩnh vực tối ưu hóa thuật tốn di truyền được phát triển nhanh chóng

và ứng dụng trong nhiều lĩnh vực khác nhau như tối ưu hàm, xử lý ảnh, bài tốn

hành trình người du lịch, nhận dạng hệ thống và điều khiển. Thuật toán di truyền

cũng như các thuật tốn tiến hóa nói chung, hình thành dựa trên quan niệm cho

rằng, quá trình tiến hóa tự nhiên là q trình hồn hảo nhất, hợp lý nhất và tự nó đã



U

H



thế hệ trước bởi tính kế thừa và đấu tranh sinh tồn.







mang tính tối ưu. Q trình tiến hóa tối ưu ở chổ, thế hệ sau bao giờ cũng tốt hơn



TẾ



Lần đầu tiên Holand nghiên cứu các giải thuật này, chúng hồn tồn khơng



N

H



có tên. Do nguồn gốc của phương pháp là từ gen di truyền, Holand đã đặt tên cho



KI



nó là thuật tốn đi truyền.





C



Thuật tốn di truyền khơng chú trọng đến giải pháp duy nhất và chính xác



H



như phương pháp cổ điển, trái lại GA xét đến toàn bộ các giải pháp và chọn lấy giải



ẠI



pháp tương đối tốt nhất nếu khơng nói là tối ưu. GA tuy dựa trên tính ngẫu nhiên



Đ



nhưng có hướng dẫn bởi hàm số thích nghi, do đó khơng có nghĩa là đốn mò như



N



G



nhiều người hiểu lầm, trái lại GA có một nền tảng tốn học vững chắc.







1.3.2. Đặc điểm của thuật toán di truyền



TR



Ư



Thuật toán di truyền [13] đã mô phỏng sự chọn lọc tự nhiên và di truyền .

Trong tự nhiên các cá thể khỏe, có khả năng thích nghi với mơi trường tốt sẽ được

tồn tại và phát triển ở các thế hệ sau. Mỗi cá thể có cấu trúc gen đặc trưng cho tính

chất của cá thể đó.

Trong q trình sinh sản, các cá thể con có thể thừa hưởng các phẩm chất

của cha mẹ, cấu trúc gen của nó có thể xảy ra hiện tượng đột biến, cấu trúc gen của

cá thể con có thể chứa các gen mà cả cha mẹ đều khơng có.

Trong giải thuật di truyền, mỗi cá thể được mã hóa bởi một cấu trúc dữ liệu

mơ tả cấu trúc gen của cá thể đó, ta gọi nó là nhiễm sắc thể. Mỗi nhiễm sắc thể

được tạo thành từ các đơn vị được gọi là gen.



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 13



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



Thuật tốn di truyền được sử dụng đặc biệt cho những bài tốn có u cầu

tìm kiếm tối ưu tồn cục với khơng gian tìm kiếm lớn và khơng thể kiểm sốt nhờ

khả năng duyệt qua khơng gian tìm kiếm đại diện mà khơng thực sự đi qua từng

điểm của tồn bộ khơng gian.

Phương pháp tìm kiếm GA duy trì và xử lý một tập các lời giải được gọi là

quần thể. Các cá thể của quần thể ở thế hệ tiếp theo được tạo ra bằng cách lai ghép

và đột biến ngẫu nhiên các cá thể của quần thể ở thế hệ trước, các cá thể tồn tại sinh

sản ở thế hệ sau là các cá thể phát triển và thích nghi với mơi trường.

Giải thuật di truyền sẽ làm việc trên các quần thể gồm nhiều cá thể. Một







quần thể ứng với một giai đoạn phát triển gọi là một thế hệ. Từ một thế hệ được tạo



H



U



ra, giải thuật di truyền bắt chước sự chọn lọc tự nhiên và di truyền để biến đổi các



TẾ



thế hệ.



N

H



Giải thuật di truyền bao gồm 4 bước chính: Mã hóa lời giải, khởi tạo quần



KI



thể, sử dụng các phép tốn di truyền và đánh giá độ thích nghi. Sau đó chúng ta lại





C



sinh ra một quần thể mới bằng phép chọn lọc rồi tiếp tục sử dụng các phép tốn di



H



truyền và đánh giá độ thích nghi của các cá thể trong quần thể.Thuật giải được thực



ẠI



hiện qua càng nhiều thế hệ thì lời giải đưa ra càng tối ưu.



Đ



Muốn dùng thuật toán di truyền phải xác định và thực hiện được các bước



N



G



của thuật toán di truyền [14]:







Bước 1: Khởi tạo quần thể các nhiễm sắc thể.



TR



Ư



Bước 2: Xác định giá trị thích nghi của từng Nhiễm sắc thể.

Bước 3: Sao chép lại các nhiễm sắc thể dựa vào giá trị thích nghi của chúng

và tạo ra những nhiễm sắc thể mới bằng các phép toán di truyền.

Bước 4: Loại bỏ những thành viên khơng thích nghi trong quần thể.

Bước 5: Chèn những nhiễm sắc thể mới vào quần thể để hình thành một

quần thể mới.

Bước 6: Kiểm tra điều kiện, nếu mục tiêu tìm kiếm đạt được thì dừng lại,

nếu khơng thì trở lại bước 3.



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 14



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



TR



Ư







N



G



Đ



ẠI



H





C



KI



N

H



TẾ



H



U







Sơ đồ Thuật tốn Di truyền:



Hình 1. 5: Sơ đồ Giải thuật thuật tốn di truyền



SVTH: Hồ Minh Tồn - K48A Tin Học Kinh Tế



Trang 15



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp

Cấu trúc giải thuật di truyền tổng quát [15]:

Bắt đầu

Gán t = 0;

Khởi tạo P(t)

Tính độ thích nghi cho các cá thể thuộc P(t);

Khi (điều kiện dừng chưa thỏa) lặp:

t=t+1

Chọn lọc P(t)

Lai P(t)



U







Đột biến P(t)



H



Hết lặp



TẾ



Kết thúc



N

H



- Khởi tạo quần thể: Quần thể ban đầu được khởi tạo bằng cách sinh ngẫu nhiên



KI



các chu trình, số lượng chu trình khởi tạo là khơng q ít , cũng khơng q nhiều.



H



cá thể hay là độ tốt của lời giải.





C



- Tính độ thích nghi: là đánh giá hay mục tiêu thể hiện tính thích nghi của



ẠI



- Chọn lọc: trong tự nhiên q trình chọn lọc và đấu tranh sinh tồn đã làm



Đ



thay đổi các cá thể trong quần thể, những cá thể thích nghi được với điều kiện sống



N



G



thì có khả năng đấu tranh lớn hơn do đó có thể tồn tại và sinh sản. Các cá thể khơng







thích nghi được dần mất đi. Chọn lựa các cá thể trong GA là cách chọn các cá thể



TR



Ư



có độ thích nghi tốt đưa vào thế hệ tiếp theo hoặc để cho lai ghép, với mục đích

sinh ra cá thể mới tốt hơn. Có nhiều phương pháp lựa chọn cá thể tốt:

+ Chọn lọc dùng bánh xe Roulette (Roulette Wheel Selection): Đây được

xem là phương pháp chọn lọc đơn giản nhất, ở đó mỗi cá thể trong quần thể chiếm

một khe trong vòng trong Roulette có độ rộng tỷ lệ với giá trị hàm mục tiêu của cá

thể. Mỗi lần quay vòng tròn chúng ta nhận được một cá thể và coi như đó là cách

lựa chọn chuỗi tái tạo.

Thực hiện bằng cách Tính tổng giá trị thích nghi của tất cả các cá thể của quần

thể và gọi là tổng thích nghi. Phát sinh một số ngẫu nhiên n trong khoảng từ 0 đến tổng



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 16



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



thích nghi. Cuối cùng trả lại phần tử của quần thể đầu tiên có độ thích nghi của nó

cộng với độ thích nghi của các phần tử quần thể trước đó lớn hơn hoặc bằng n.

+ Chọn lọc xếp hạng (Rank Selection): Phương pháp này sẽ sắp hạng cá thể

dựa trên độ thích nghi của chúng. Cá thể xấu nhất sẽ có giá trị 1, kế tiếp là 2, v.v…và

cá thể tốt nhất sẽ có độ thích nghi N (N là số nhiễm sắc thể trong quần thể).

+ Chọn lọc cạnh tranh (Tournament Selection): hai phần tử khác nhau được

chọn ngẫu nhiên và so sánh với phần tử tồn tại, nếu phần tử thứ nhất khơng tốt hơn

phần tử thứ 2 thì bị loại ra khỏi quần thể. Quá trình này được lặp đi , lặp lại đến hết

n phần tử còn lại.







- Lai ghép: là quá trình hình thành NST mới trên NST cha mẹ, bằng cách



H



U



ghép một hay nhiều đoạn gen của hai hay nhiều NST cha mẹ khác nhau.



TẾ



Các cặp cha mẹ được lụa chọn ngẫu nhiên và xác suất xảy ra lai ghép với



N

H



mỗi cặp được quy định từ trước.





C



cha và mẹ đều có chiều dài là m.



KI



Chọn ngẫu nhiên hai hay nhiều cá thể trong quần thể. Giả sử chuỗi NST của



H



Tìm điểm lai bằng cách lai tạo ngẫu nhiên một con số từ 1 đến m-1. Như



ẠI



vậy, điểm lai này sẽ chia hai chuỗi NST cha-mẹ thành hai nhóm NST con là m 1 và



Đ



m2. Hai chuổi NST con lúc này sẽ là m11+m22 và m21+m12.



Ư







N



G



Có nhiều cách lai ghép: lai ghép một điểm cắt, lai ghép nhiều điểm cắt, lai

ghép nhiều đoạn

- Đột biến: là tình trạng NST con khơng có một (hoặc một số) tính trạng có



TR



trong mã di truyền của cha mẹ. Là một sư biến đổi tại một (hay một số ) gen của NST

ban đầu để tạo ra một NST mới. Đột biến xác suất xảy ra thấp hơn lai ghép và đột biến

có thể tọa ra một cá thể tốt hoặc cá thể xấu hơn cá thể ban đầu. Trong GA thì ta ln

muốn tạo ra những phép đột biến cho phép cải thiện lời giải qua từng thế hệ.

Phép đột biến có thể mơ tả như sau:

+ Chọn ngẫu nhiên một số K từ khoảng 1 ≥ K ≥ m.

+ Thay đổi giá trị của gen thứ K.

+ Đưa NST con vào quần thể để tham gia quá trình tiến hóa tiếp theo.

Cá phép đột biến thường được sử dụng : Đảo bit, Hoán vị, Đổi giá trị, Đảo

đoạn,...



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 17



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



1.3.3. Áp dụng thuật tốn di truyền cho bài toán người du lịch

Trong bài toán người du lịch tìm ra chu trình ngắn dựa vào thuật toán di

truyền được ta biểu diễn các điểm mà người du lịch đi qua. Để biểu diễn lộ trình

giả sử ta có danh sách 10 địa điểm được đánh dấu các điểm bằng số 1,2,3.....,10 ta

sẽ bắt đầu từ điểm bất kỳ và ghé qua tất cả các điểm khác nhau đúng một lần và

quay về lại điểm xuất phát.

Ta có ví dụ như sau:

1



2



3



4



5



6



7



8



9



10



U







- Khởi tạo quần thể: Quần thể được khởi tạo bằng cách sinh ngẫu nhiên các chu



H



trình, số lượng chu trình trong quần thể là tùy ý. Các chu trình trong bài tốn người du



TẾ



lịch sẽ được sinh ra bằng cách hoán đổi ngẫu nhiên các vị trí các địa điểm.



N

H



-Xác định độ thích nghi: Đây là phần giải quyết các yêu cầu của bài toán,



KI



chủ yếu vẫn xem xét trên các thành phần ràng buộc. Tương ứng mỗi loại ràng buộc





C



ta sẽ gán cho chúng một giá trị thích nghi nào đó dùng để đánh giá mức độ phù hợp



H



của giải pháp đối với bài tốn, độ thích nghi càng cao thì giải pháp tìm càng được



ẠI



tốt. Đối với bài tốn người du lịch , tùy theo u cầu của bài tốn để tính độ thích



Đ



nghi của giải pháp.



N



G



- Chọn lọc: Phương pháp chọn lọc cạnh tranh được chọn để đưa ra cá thể







tốt nhất đưa vào quần thể. Việc chọn quần thể mới dựa trên độ thích nghi, những cá



TR



Ư



thể có độ thích nghi cao sẽ tồn tại và sinh sản nhằm đưa ra cá thẻ mới tốt nhất. Đối

với bài toán người du lịch sẽ lựa chọn ngẫu nhiên hai giải pháp và so sánh với giải

pháp tồn tại. Nếu giải pháp thứ nhất có độ thích nghi thấp hơn giải pháp thứ 2 thì sẽ

bị loại và ngược lại, quy trình này lặp đến hết n giải pháp còn lại.

- Lai ghép: Trong GA lai ghép là một sự tổ hợp lại các tính chất trong hai

lời giải cha mẹ ngẫu nhiên nào đó để sinh ra một lời giải con mới mà có đặc tính

mong muốn tốt hơn thế hệ cha mẹ. Trong bài toán người du lịch là sự kết hợp của

các tinh trạng cha mẹ được chọn ngẫu nhiên sinh ra thế hệ con bằng cách cắt vị trí

ngẫu nhiên từ một điểm đến hết chu trình 2 đưa vào chu trình con, xét từ đầu đến

cuối chu trình 1 , nạp dần các điểm chưa có trong con lai theo thứ tự duyệt.



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 18



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp

Ví dụ : Ta có hai chu trình.

C1



1



7



5



9



10



4



8



3



2



6



C2



9



2



6



10



3



8



1



5



7



4



Thực hiện cắt lai ghép một điểm cắt với vị trí cắt là ngẫu nhiên:

Cắt từ điểm p đến hết chu trình của C2 đưa vào chu trình mới (con), lấy p =

5 có:

1



5



7



4







Con 8



theo thứ tự duyệt ra được một chu trình mới.

8



1



5



7



4



9



10



3



2



6



N

H



Con



TẾ



H



U



Xét từ đầu đến cuối chu trình 1, nạp dần các điểm chưa có trong con lai



KI



- Đột biến: Phương thức đột biến dựa trên một cá thể đầu vào, được thực





C



hiện bằng cách tráo đổi các điểm trên gen cho nhau . Số lần trao đối được sinh ngẫu



H



nhiên từ trong khoảng 5% (tối da 10% vị trí trên gen có thể bị đột biến ), vị trí điểm



ẠI



tráo cũng được sinh ngẫu nhiên trong q trình chạy.

7



5



N



1



9



10



4



8



3



2



6







C1



G



Đ



Ví dụ: Ta có chu trình C1 cũ



TR



Ư



Đột biến C1 bằng cách tráo đổi hai lần : tráo 7 và 4, tráo 10 và 2 khi đó ta

được một chu trình mới.

C2



1



4



5



9



2



7



8



3



10



6



- Điều kiện dừng: Khi đạt đến mức giá trị u cầu của bài tốn thì chấm dứt

q trình thực hiện.

1.4. Ứng dụng của thuật toán di truyền

Thuật toán di truyền sử dụng cho những bài tốn khó, chủ yếu được sử

dụng trong vấn đề tối ưu hóa các loại và đã được ứng dụng thành công cho một số

bài tốn như: lập kế hoạch, điều khiển tương thích, chương trình trò chơi,.....



SVTH: Hồ Minh Tồn - K48A Tin Học Kinh Tế



Trang 19



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



Một số lĩnh vực trong đó các thuật tốn di truyền được sử dụng thường

xuyên [16]:

+ Bài toán lập lịch [17] : Lập lịch là một bài toán tổ chức sản xuất. Một

công ty cần sản xuất nhiều loại hàng hóa, những hàng hóa này có thể được sản xuất

theo những kế hoạch khác nhau. Mỗi kế hoạch xử lý gồm một chuỗi thao tác,

những thao tác này sử dụng một số tài nguyên và cần thời gian chạy máy. Một lịch

sản xuất là một kế hoạch thực hiện các đơn đặt hàng. Trong đó, một số đơn hàng có

thể được thực hiện cùng với những thao tác tương đương. Nhiệm vụ là lên kế

hoạch, lập lịch sản xuất để thực hiện các đơn đặt hàng này nhanh nhất có thể. Ý







tưởng trong phương pháp là mã hóa biểu diễn của lịch phân cơng là các tốn tử di



H



U



truyền phải thực hiện theo cách có ý nghĩa và một bộ giải mã phải luôn tạo ra một



TẾ



lời giải hợp lệ cho bài tốn. Thủ tục giải mã mơ phỏng các thao tác của công việc



N

H



theo cách mà khi một máy tính sẵn sàng chọn lựa, thì thao tác cho phép đầu tiên từ



KI



danh sách được lấy ra.





C



+ Tối ưu hóa: Các thuật toán di truyền thường được sử dụng trong các vấn



H



đề tối ưu hóa , trong đó chúng ta phải tối ưu hóa hoặc giảm thiểu một giá trị hàm



ẠI



mục tiêu được đưa ra trong một tập hợp các ràng buộc nhất định.



Đ



+ Kinh tế học: GA cũng được sử dụng để mơ tả các mơ hình kinh tế khác nhau



N



G



như mơ hình mạng nhện, cân bằng lý thuyết trò chơi giải quyết, giá cả tài sản,....



TR



Ư



nơ-ron tái diễn.







+ Mạng: GA được sử dụng để đào tạo mạng nơ-ron, đặc biệt là các mạng

+ Song song: GA có những khả năng song song rất tốt và chứng tỏ là

phương tiện rất hiệu quả trong việc giải quyết một số vấn đề nhất định, đồng thời

cung cấp một khu vực nghiên cứu tốt.

+ Xử lý hình ảnh: GA được sử dụng cho các tác vụ xử lý hình ảnh kỹ thuật

số khác nhau (DIP) cũng như kết hợp pixel mật độ cao.

+Lập kế hoạch ứng dụng: GA sử dụng để giải quyết các vân đề lập kế

hoạch khác nhau, đặc biệt là vấn đề lập trình thời gian.

+ Vạch đường Robot di chuyển [18] : Tìm đường là hướng dẫn robot di

chuyển đến đích mà khơng bị lạc hay va vào những đối tượng khác. Trong bài toán



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 20



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



này, một lộ trình được lập trình trước để robot di chuyển theo, lộ trình này có thể

dẫn dắt robot đi tới đích một các hồn hảo. Tuy nhiên, các nhà khoa học muốn cải

tiến hơn bằng cách vạch lộ trình nội tại, phụ thuộc vào tri thức thu được từ việc

cảm nhận môi trường cục bộ để xử lý các chướng ngại chưa biết.

Phần đầu thuật giải là tìm lộ trình tồn cục tối ưu từ điểm khởi đầu đến

đích, phần thứ hai có trách nhiệm xử lý những va chạm có thể xảy ra hay những vật

cản chưa biết trước bằng cách thay một phần của lộ trình tồn cục gốc bằng một lộ

trình con tối ưu.

+ Thiết kế tham số của máy bay: GA được sử dụng để thiết kế máy bay







bằng cách thay đổi các thông số và phát triển các giải pháp tốt hơn.



H



U



+ Tối ưu hóa đa thức: GA rõ ràng là cách tiếp cận rất tốt cho tối ưu hóa đa



TẾ



phương thức, trong đó chúng ta phải tìm ra nhiều giải pháp tối ưu.



N

H



+ Vấn đề của người du lịch và các ứng dụng của nó: Thuật tốn di truyền





C



1.5. Các cơng trình liên quan



KI



(GA) đã được sử dụng để giải quyết bài tốn người du lịch (TSP).



H



Đã có rất nhiều cơng trình nghiên cứu về thuật tốn di truyền, bài toán người



ẠI



du lịch và các đề tài nghiên cứu về việc áp dụng thuật toán di truyền để giải bài toán



Đ



người du lịch từ trước đến nay. Người ta mong muốn tìm ra lời giải tốt nhất có thể



N



G



bằng cách kết hợp thuật toán này với một số thuật toán hoặc các kỹ thuật khác và dưới



Ư







đây là một số nghiên cứu tiêu biểu:



TR



Bài báo về TSP: “Meta-Heuristic- Kết hợp thuật giải di truyền với thông tin

thống kê xác suất giải quyết bài toán người du lịch” [19]. Phương pháp gồm hai bước:

Bước 1, sử dụng GA để tìm thơng tin thống kê xác suất các cung sẽ xuất hiện trong

chu trình tối ưu từ xác cá thể chu trình tốt nhất chọn lọc qua các thế hệ. Bước 2 , từ các

thông tin được, thực hiện lại thuật tốn GA để được chu trình kết quả tối ưu, trong đó

các phép lai ghép sẽ dựa vào thơng tin xác suất tìm được ở bước 1.

Bài báo về bài toán lập lịch: “Một thuật toán di truyền hiệu quả cho bài

toán lập lịch job shop” [20] . Bài báo này trình bày một thuật tốn di truyền mới

cho bài toán lập lịch job shop (Jobshop Scheduling Problem - JSP) . Thuật tốn này

có một số đổi mới sau: Một lịch biểu được mã hóa bởi các số tự nhiên; các luật ưu



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 21



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



tiên của Giffler và Thompson được dùng để tạo ra các lịch biểu tích cực; phép đột

biến được thực hiện trên các cá thể tiềm năng và kết hợp với kĩ thuật tìm kiếm lân

cận; phép trao đổi chéo mới kết hợp trao đổi chéo đồng nhất với thuật toán GA và

được thực hiện trên cá thể trên 3 cá thể cha.

Bài báo nghiên cứu về bài tốn thời khóa biểu: “Một giải pháp tiến hóa cho

bài tốn thời khóa biểu” [21]. Bài báo giới thiệu một phương án cải tiến cho bài

tốn lập thời khóa biểu tại các trường phổ thơng.

Bài viết về bài tốn đóng thùng: “Về thuật tốn di truyền lai giải bài tốn

đóng thùng” [18], bài tốn trình bày một số kết quả liên quan đến việc xây dựng,



U







cài đặt và thử nghiệm thuật toán di truyền kết hợp với các thuật tốn tìm kiếm trực



H



tuyến oristic.



TẾ



Bài biết khác về bài toán phân hoạch: “Hướng tiếp cận mới trong việc tách



N

H



từ để phân loại văn bản tiếng Việt sử dụng giải thuật di truyền và thống kê trên



KI



Internet” [22]. Giải thuật di truyền áp dụng cho bài tốn tách từ tiếng Việt được tóm





C



tắt như sau: Xét văn bản t gồm n tiếng t=s1s2...sn. Mục tiêu của GA là xác định những



H



cách tách hợp lý nhất văn bản t thành m đoạn t=w1w2...wm với wk = si...sj (1≤ k≤ m,



ẠI



1≤ j, j≤ n ) có thể là từ đơn hay từ phức.



Đ



Ứng dụng của GA trong học tham số cho mạng nơ-ron: “Điều khiển Robot



N



G



với mạng nơron RBF có hệ số học được tối ưu bằng thuật toán di truyền” [23] .







Đối với các hệ thống điều khiển có tính phi tuyến cao và độ bất định lớn, các tham



TR



Ư



số của hệ thống như độ ma sát, sự thay đổi của tai trọng... luôn thay đổi trong q

trình điều khiển do đó u cầu rất quan trọng trong quá trình học của các bộ điều

khiển nơron là phải đảm bảo quá trình học online. Trong các nghiên cứu gần đây về

quá trình học của mạng nơron dù bằng phương pháp hàm bán kính cơ sở hay bằng

phương pháp EBP thì hệ số học h của mạng nơron vẫn được chọn theo kinh nghiệm

của người lập trình. Trong bài báo này tác giả đề cập đến việc sử dụng công cụ GA

để tối ưu hệ số học của mạng nơ-ron RBF thay vì lựa chọn bằng kinh nghiệm.

Jorge Kanda, Andre de Carvalho, Eduardo Hruschka, Carlos Soares, Pavel Brazdil

[9] đã đưa ra nhiều meta-heuristics (MHs) để giải quyết cho bài toán TSP. Nghiên cứu

đưa ra rằng MH là tốt nhất cho các các trường hợp khác nhau. Lý tưởng nhất là người



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 22



GVHD: TS. Hồ Quốc Dũng



Khóa luận tốt nghiệp



ta có thể đề nghị các MHs tốt nhất cho một trường hợp TSP mới mà không cần thực

hiên chúng. Bài toán này được giải quyết bằng cách sử dụng một phương pháp tiếp cận

meta-learning dựa trên thuật toán xếp nhãn. Các thuật toán này xây dựng một bản đồ

liên quan đến các đặc tính của các thể hiện với các hiệu suất tương đối của các MH

dựa trên dữ liệu. Được đưa ra từ các trường hợp TSP đã được giải quyết bởi MH.

Trong nghiên cứu này đã nghiên cứu 4 bộ khác nhau về tính năng siêu dữ liệu dựa trên

các phép đo khác nhau về các thuộc tính của các trường hợp TSP: các biện pháp cạnh

và đỉnh, các biện pháp mạng phức tạp, các thuộc tính từ các MH và các tính năng đánh

dấu mẫu phụ. Các mơ hình được điều tra trong 4 kịch bản TSP khác nhau trình bày sự







khác biệt về sự đối xứng và sức mạnh kết nối. Các kết quả nghiên cứu cho thấy các



H



U



mơ hình meta-learning có thể dự đốn chính xác thứ hạng của MH đối với các kịch



TẾ



bản TSP khác nhau và định nghĩa của các tập meta-features có ảnh hưởng quan trọng



N

H



đến chất lượng của các kết quả thu được.



KI



Yiwen Zhonga, Juan Lina,b, Lijin Wanga, Hui Zhangb [24] đưa ra thuật toán





C



Artificial bee colony (ABC) là một thuật tốn thơng minh và lần đầu tiên được đề xuất



H



cho thuật tốn tối ưu hóa liên tục. Trong bài này sử dụng thuật toán rời rạc ABC sử



ẠI



dụng tiêu chuẩn chấp nhận của phương pháp chấp nhận ngưỡng để giải quyết bài toán



Đ



TSP. Nhằm tăng cường khả năng thoát khỏi sự hội tụ sớm, người làm ong và người



N



G



xem ong sử dụng tiêu chuẩn ngưỡng để quyết định các giải pháp mới có được chấp







nhận hay khơng. Các thí nghiệm được thực hiện cho thấy lợi thế của phương trình cập



TR



Ư



nhật dung dịch mới, sự cần thiết của việc sử dụng phương pháp khơng tham lam để

duy trì tính đa dạng. Thí nghiệm thực hiện trên hàng loạt các trường hợp của TSP cho

thấy thuật toán được đề xuất là tốt hơn các thuật toán dựa trên thuật toán ABC khác và

tốt hơn hoặc cạnh tanh với nhiều thuật tốn hiện đại khác.

Majumdar, A.K. Bhunia [11] trình bày về vấn đế của người du lịch bất đối xứng

(ATSP) tức là thời gian đi lại giữa các thành phố là một khoảng giá trị thay vì một giá

trị cố định như trong ATSP cổ điển. ATSP được xây dựng bằng cách sử dụng một

khoảng số học thông thường, để giải quyết khoảng ATSP một thuật toán di truyền với

chức năng cân xứng khoảng thời gian được đề xuất. Thuật toán được đề xuất dựa trên

các cơng trình trước đây và một số tính năng mới củ các nhà khai thác di truyền cơ



SVTH: Hồ Minh Toàn - K48A Tin Học Kinh Tế



Trang 23



Tài liệu bạn tìm kiếm đã sẵn sàng tải về

3 Thuật toán di truyền

Tải bản đầy đủ ngay(0 tr)

×