Thông tin tài liệu
Ant Colony Optimization (ACO) PGS.TS Huỳnh Thị Thanh Bình Email: binhht@soict.hust.edu.vn Giải thuật tối ưu hóa bầy kiến Xuất phát từ ý tưởng đàn kiến tìm thức ăn Giải thuật tối ưu hóa bầy kiến Giải thuật tối ưu hóa bầy ong Dựa phương thức đàn ong tìm hoa lấy mật Giải thuật tối ưu hóa bầy đàn Lịch sử: Được đề xuất năm 1995 giáo sư Russell Eberhart nhà tâm lý học James James Kenedy Kenedy Russell Eberhart Giải thuật tối ưu hóa bầy đàn L ý tưởng từ việc đàn chim tìm kiếm thức ăn Ví dụ đơn giản minh họa: Tổng quan Ant Colony Optimization: Được giới thiệu Marco Dorigo đầu năm 1990s Thuộc lớp thuật tốn tối ưu sử dụng Trí thơng minh bầy đàn Lấy cảm hứng từ tập tính xã hội việc tìm kiếm thức ăn đàn kiến tự nhiên Thuật toán dựa quần thể Đối tượng áp dụng: toán tối ưu rời rạc (bài tốn tìm đường đi) Q trình tìm kiếm thức ăn đàn kiến Ban đầu, cá thể kiến theo hướng ngẫu nhiên để tìm kiếm thức ăn Nếu tìm thấy thức ăn, cá thể kiến mang thức ăn tổ để lại chất hóa học (được gọi pheromone) đường quay lại Pheromone đường giảm dần theo thời gian Đường có pheromone cao khả lựa chọn theo đường cá thể kiến khác lớn Càng nhiều cá thể kiến tìm thấy thức ăn đường , pheromone đường cao Q trình tìm kiếm thức ăn đàn kiến Đàn kiến tìm đường ngắn tổ thức ăn cách nào? Đầu tiên: Các cá thể kiến ngẫu nhiên theo hướng Nếu đường có khả dẫn tới nguồn thức ăn => Pheromone rải đường quay trở lại Đường ngắn, cá thể kiến quay lại tổ nhanh => Nồng độ pheromone đường tăng cường sớm Đường dài=> Các cá thể kiến quay lại tổ lâu => Nồng độ pheromone cập nhật chậm giảm dần bay Sau thời gian => Các cá thể kiến theo đường Giải thuật tối ưu hóa đàn kiến 10 Giải thuật tối ưu hóa đàn kiến Q trình xây dựng đường cho cá thể kiến 11 Xét cá thể kiến Quá trình xây dựng đường cho kiến sau: Giả sử kiến nút Xác xuất từ đến nút Với pheromone cạnh (i,j) mức độ thu hút cạnh (i,j) tập nút hàng xóm mà chưa qua tham số thuật tốn Giải thuật tối ưu hóa đàn kiến Q trình xây dựng đường cho cá thể kiến 12 Nút , mà kiến di chuyển đến, chọn theo bánh xe Roulete Quá trình tiếp tục kiến đến (lời giải hợp lệ) tiếp tục (lời giải không hợp lệ) Giải thuật tối ưu hóa đàn kiến Quá trình cập nhật pheromone 13 Pheromone cạnh (i,j) cập nhật sau: Với tốc độ bay pheromone trước dường tổng pheromone mà cá thể kiến để lại đường chúng: Giải thuật tối ưu hóa đàn kiến Q trình cập nhật pheromone 14 Giá trị pheromone để lại kiến đường tính sau: Với chiều dài hành trình Q số kinh nghiệm Giải thuật tối ưu hóa đàn kiến Ý nghĩa tham số, thuộc tính 15 mức độ thu hút hay kinh nghiệm việc lựa chọn cạnh (i,j) mức độ xuất cạnh (i,j) đường cá thể kiến Nếu : Các cạnh đường lựa chọn tham lam theo kinh nghiệm Nếu : Ưu tiên sử dụng cạnh có xu hướng xuất nhiều trước ACO for TSP problem 16 : Mong muốn theo cạnh có chi phí nhỏ Thêm thành phần “kiến tinh hoa”: Đánh trọng số cho pheromone cạnh nằm đường tốt Với Tham số thuật toán: Giải toán ACO 17 Phải chuyển toán dạng đồ thị có trọng số G(V,E,w) Định nghĩa pheromone cạnh Xác định biểu thức Lựa chọn toán tử cụ thể ( xây dựng đường cho kiến, cập nhật pheromone) cho toán cần giải Hiệu chỉnh tham số thuật toán Thực nghiệm 18 Antsim v1.1 19 Thanks for your attention
Ngày đăng: 07/09/2023, 00:51
Xem thêm:
