Báo cáo bài tập số 3 môn học công nghệ 4 0 trong lĩnh vực cơ khí tìm hiểu phương pháp particle swarm optimization (pso)

  ĐẠI HỌC QUỐC GIA TP HỒ CHÍ MINH TRƯỜNG ĐẠI HỌC BÁCH KHOA BÁO CÁO BÀI TẬP SỐ Mơn học: Cơng nghệ 4.0 lĩnh vực khí TÌM HIỂU PHƯƠNG PHÁP PARTICLE SWARM OPTIMIZATION (PSO)  Nhóm: 02 Lớp: L06 GVHD: TS Trần Quang Phước   PARTICLE SWARM OPTIMIZATION (PSO) Giới thiệu giải thuật PSO Thuật toán giải thuật Ví dụ minh họa   I Giới thiệu giải thuật - Định nghĩa: Phương pháp PSO gọi phương pháp tối ưu bầy đàn, James Kennedy xây dựng dựa khái niệm trí tuệ bầy đàn để tìm kiếm lời giải cho tốn tối ưu khơng gian tìm kiếm - Giải thuật PSO giới thiệu vào năm 1995 hội nghị IEEE James Russell C.Eberhart Kennedy Russell C.Eberhart PARTICLE SWARM OPTIMIZATION (PSO)   I Giới thiệu giải thuật  Nguồn gốc giải thuật PSO - Giải thuật PSO dựa hành vi tìm kiếm thức ăn của bầy đàn chim cá - Cụ thể trình tìm kiếm thức ăn, cá thể bầy chia thông tin với để điều chỉnh hướng tốc độ cho bầy nhanh chóng đến với nơi có nhiều thức ăn PARTICLE SWARM OPTIMIZATION (PSO)   I Giới thiệu giải thuật Đặc điểm - Trong phương pháp PSO, cá thể quần thể khởi tạo ngẫu nhiên - Mỗi cá thể quần thể có giá trị thích nghi, giá trị phụ thuộc vào quần thể khác - Dựa vào giá trị thích nghi, cá thể tìm giải pháp tối ưu cục bộ, sau cập nhật lại giá trị tối ưu toàn cục bầy, dựa vào giá trị tối ưu tồn cục ta tìm giá trị tối ưu PARTICLE SWARM OPTIMIZATION (PSO)   I Giới thiệu giải thuật Ứng dụng thuật toán - Quy hoạch đường cho Robot - Tối ưu chi phí sản xuất - Áp dụng hệ thống gợi ý PARTICLE SWARM OPTIMIZATION (PSO)   II Sơ đồ giải thuật Khởi tạo quần thể Tính hàm mục tiêu giá trị Gbest Pbest Cập nhật lại thông tin cho cá thể t = t +1 Kết thúc đưa giá trị tối ưu PARTICLE SWARM OPTIMIZATION (PSO) Số lần lặp t số lần lặp max Tính lại hàm mục tiêu   III Sơ đồ giải thuật Bước 1: Khởi tạo quần thể: Tạo quần thể ngẫu nhiên gồm phần tử có thuộc tính ban đầu {x1, x2, …, xn}, {v1, v2, …, vn} Khi phần tử tương ứng với hàm mục tiêu quần thể tập hợp hàm mục tiêu phần tử Bước 2: Tìm giá trị tốt phần tử quần thể: trình tìm giá trị tốt nhất, phần tử chịu tác động thơng tin là: giá trị tốt phần tử khứ (Pbest) giá trị tốt quần thể khứ (Gbest) PARTICLE SWARM OPTIMIZATION (PSO)   II Sơ đồ giải thuật Bước 3: Cập nhật trạng thái phần tử theo cơng thức: Trong đó, w : Trọng số quán tính , : hệ số gia tốc , : biến ngẫu nhiên khoảng [0;1] PARTICLE SWARM OPTIMIZATION (PSO)   II Sơ đồ giải thuật Bước 4: Sau vòng lặp, cá thể cập nhật lại thông tin đánh giá lại hàm mục tiêu tương ứng, giá trị Pbest phần tử thứ i vòng lặp thứ t + xác định sau:   Gbest giá trị tốt Pbest PARTICLE SWARM OPTIMIZATION (PSO) 10   III Ví dụ minh họa Bài tốn: Xác định kích thước xi lanh có D dung tích 110cc cho ngun liệu dùng để chế tạo xi lanh Biết D nằm khoảng [4;6]cm PARTICLE SWARM OPTIMIZATION (PSO) L 11   III Ví dụ minh họa Giải Để cho việc chế tạo xi lanh tốn nguyên liệu diện tích xung quanh xi lanh  bé Ta có, diện tích xung quanh (hàm mục tiêu f) PARTICLE SWARM OPTIMIZATION (PSO) 12   III Ví dụ minh họa Giả sử phép tốn lặp lần, ta chia khoảng giá trị D làm giá trị, vận tốc hội tụ ban đầu v1 1,khi ta có: Các trọng số: w =0,7; c1=c2=0,25; r1=r2=rand(0;1) PARTICLE SWARM OPTIMIZATION (PSO) 13   III Ví dụ minh họa Lần lặp 1: Giá trị hàm mục tiêu:  Như vậy, giá trị tối ưu sau lần là: 101,6 tương ứng với giá trị Pbest ={4;5;6}; Gbest=6 Cập nhật giá trị D V cho lần lặp 1, ta có: V2= D2=D1+V2 PARTICLE SWARM OPTIMIZATION (PSO) 14   III Ví dụ minh họa V2= D2 = D1+V2 PARTICLE SWARM OPTIMIZATION (PSO) 15   III Ví dụ minh họa Lần lặp 2: Giá trị hàm mục tiêu:  Như vậy, giá trị tối ưu sau lần là: 101,61 tương ứng với giá trị Pbest ={5; 5,85; 6}; Gbest=6 Cập nhật giá trị D V cho lần lặp 2, ta có: V3= D3=D2+V3 PARTICLE SWARM OPTIMIZATION (PSO) 16   III Ví dụ minh họa V3= D3 = D2+V3 PARTICLE SWARM OPTIMIZATION (PSO) 17   III Ví dụ minh họa Lần lặp 3: Giá trị hàm mục tiêu:  Như vậy, giá trị tối ưu sau lần là: 101,61 tương ứng với giá trị Pbest ={5,58; ; 6}; Gbest=6 Cập nhật giá trị D V cho lần lặp 3, ta có: V4= D4=D3+V4 PARTICLE SWARM OPTIMIZATION (PSO) 18   III Ví dụ minh họa V4= D4 = D3+V4 PARTICLE SWARM OPTIMIZATION (PSO) 19   III Ví dụ minh họa Kết luận: Sau lần lặp thuật toán PSO, ta thấy giá trị đường kính D hội tụ giá trị tối ưu 6cm Khi đó, chiều dài xi lanh L xấp xỉ 4cm PARTICLE SWARM OPTIMIZATION (PSO) 20   III Ví dụ minh họa So sánh với phương pháp giải tích biết: Hàm tối ưu diện tích xung quanh xi lanh: PARTICLE SWARM OPTIMIZATION (PSO) 21   III Ví dụ minh họa Bảng biến thiên // 6,54 - - + S  Nhận xét: Giá trị tối ưu S khoảng [4;6] tương ứng với đường kính 6cm L 4cm Kết giống với thuật toán PSO PARTICLE SWARM OPTIMIZATION (PSO) 22