Trang 1 NGUYỄN THU TRANGBỘ GIÁO DỤC VÀ ĐÀO TẠOTRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI--- Họ và tên tác giả luận vănNGUYỄN THU TRANGKỸ THUẬT VIỄN THÔNGTÊN ĐỀ TÀI LUẬN VĂNNghiên cứu và phát triển
Trang 1Họ và tên tác giả luận văn
NGUYỄN THU TRANG
TÊN ĐỀ TÀI LUẬN VĂN
Nghiên cứu và phát triển thuật toán di truyền cho tối ưu điện từ
trường
LUẬN VĂN THẠC SĨ KỸ THUẬT
KỸ THUẬT VIỄN THÔNG
Trang 2BỘ GIÁO DỤC VÀ ĐÀO TẠO TRƯỜNG ĐẠI HỌC BÁCH KHOA HÀ NỘI
-
Họ và tên tác giả luận văn
NGUYỄN THU TRANG
TÊN ĐỀ TÀI LUẬN VĂN
Nghiên cứu và phát triển thuật toán di truyền cho tối ưu điện từ trường
Chuyên ngành : KỸ THUẬT VIỄN THÔNG
LUẬN VĂN THẠC SĨ KĨ THUẬT
KỸ THUẬT VIỄN THÔNG
NGƯỜI HƯỚNG DẪN KHOA HỌC :
TS PHẠM THÀNH CÔNG
Hà Nội – 2017
Trang 3L ··· 3
L ··· 4
DANH M C KÍ HI U VÀ CÁC CH VI T T T ··· 6
DANH M C CÁC B NG ··· 7
DANH M C HÌNH V TH ··· 8
NG 1 : T NG QUAN V CÁC THU T TOÁN T ··· 9
1 T t bi n ···
n ···
m ng u nhiên ···
m vàng ···
···
c hai ···
2 T u bi n ···
2.1 Tìm ki m ng u nhiên ··· 13
2.2 Tìm ki ng th ng ··· 13
2.3 Thu t toán Nelder - Mead - Downhill - Simplex ··· 17
3 So sánh các thu t toán v i nhau ··· 17
4 Thu t toán mô ph ng ··· 19
5 Thu t toán di truy n ··· 20
NG 2 : PHÂN TÍCH THU T TOÁN DI TRUY N ··· 22
2 Lý thuy t v thu t toán di truy n ··· 22
···
···
···
···
···
···
31 ···
···
···
Trang 42.3.1 T anten b ng a ch
i chéo m t n ng u nhiên ···
2.3.2 T anten b ng bánh xe m ··· 40
NG D NG THU T TOÁN DI TRUY N CHO T N T NG ··· 47
1 T ng ···
2 K t qu c ··· 49
3 Bài h c rút ra··· 57
N ··· 60
··· 61
Trang 6Anten là m t b ph n quan tr ng không th thi c c a b t kì h th ng thông
ng d ng thì yêu c u k thu i v i anten là khác nhau và v quan tr
l p trình, áp d ng vào trong các thi t k gi i quy t t t các bài toán
n t ng, bài toán t ng bài toán mà có tham s r i r c.Trong p
Trang 7: NGHIÊN C U VÀ PHÁT TRI N THU T TOÁN DI TRUY N CHO T I
Trang 9DANH M C CÁC B NG
B ng 2.1 Kh i t o qu n th 36
B ng 2.2 Sau khi s p x p 36
B ng 2.3 Ch n ng c viên làm b m 36
B ng 2.4 T o m t n i chéo ng u nhiên 37
B ng 2.5 S t bi n th h th nh t 37
B ng 2.6 S p x p giá tr t bi n
B ng 2.7 Ch n l a tournament th h th 2 38
B ng 2.8 T o m t n và t o con 39
B ng 2.9 S t bi n th h th 2 39
B ng 2.10 Qu n th sau khi s p x p th h th hai 39
B ng 2.11 K t qu t c th h th 31
B B B B B c t i chéo
B
B
B ng 3.1Tham s u vào c a thu t toán 50
B i tham s u vào c a thu t toán
B ng 3.3 T h p các tr ng s t t nh t sau khi t ng thu t toán truy n 57
Trang 10DANH M C HÌNH V TH
Hình 1.1 Kho ng tìm ki m vàng 11
kh i thu t toán tìm ki ng th ng
Hình 1.3 Thu t toán tìm ki m theo tr c t m c c ti u k v m b u khác nhau
Hình 1.4 B ng so sánh giá tr c i ph trung bình c a 4 thu t toán v i 3 lo i anten khác nhau 19
Hình 1.5 Giá tr trung bình c a búp sóng ph l n ch y thu t toán
h i t c a hàm m c tiêu khi dùng thu t toán mô ph ng
Hình 2.4 Ch n l u 31
Hình 2.5 Giá tr nh nh t c c tìm b i thu t toán v t c n 3
Hình 3.1 So sánh hàm AF c a anten m ng 20 ph n t c và sau khi t thu t toán di truy n bi n liên t c m c là -24.808dB
h i t c a thu t toán 51
h i t c a thu t toán khi gi m t l t bi n còn 0.2
Hình 3.4 So sánh hàm y u t m ng AF khi t l t bi n gi m còn 0.2 52
c - i thôn h i t c a thu t toán 54
Hình 3.7 Giá tr hàm m c tiêu sau 1000 vòng l t -30.552dB 55
Hình 3.8 Hàm tham s m ng 55
h i t c a thu t toán 56
Trang 11: T NG QUAN V CÁC THU T TOÁN T I
c khác v khoa h c k thu t, n l c nghiên c
t ng t p trung vào nghiên c u và tìm ki m gi i pháp cho m
Trang 12-(local minima)
ng các bài toán t u có nhi u bi
ng h n ta có th chia thành nhi u bài toán m t bi
ng hay s d ng cho các bài toán m t bi n là :
Trang 13nhanh n u g p may m n N m là thu t toán s
Trang 14Ch gi l o hàm b c nh o hàm b c hai và gi s r
(1.5) Suy ra :
c b c hai g n v i giá tr c c ti u và tìm ra giá tr c c ti u c a phép n
th c b ] Cho ba [2 m trong kho ng (x0, x1, x2), c c tr c c n i suy b c hai s là :
Trang 15- Tìm ki m ng u nhiên (random search)
- Tìm ki ng th ng (line search)
- Thu t toán xu ng d c Nelder-Mead Downhill simplex
2.1 Tìm ki m ng u nhiên
l i r t d hi u, không c n các khái ni m toán h
Ch c n hai dòng code Matlab là có th l p trình xong thu t to
Ki
d ng
Trang 18c bi Fl(BFGS):
(1.16)
y BFGS có th c vi t theo ma tr n ngh o c a DFP
N u m t bài toán có N chi u ta có th l ng tìm ki m tr c giao và
ra c c ti u trong N vòng l p u, v là hai vector tr
ta có :
(1.17) Suy ra :
(1.18)
nh.N u công th c (1.18)
c g i là các vector liên h p ho c H là vector t
h p N vector có thu c bi t là m t t p h p liên h p Các vector
S tri n khai t t nh t c a thu ng liên h p là thu t toán gradient liên h
m t vector liên h p m i :
(1.19)
Trang 19(1.20) Công th c (1.20) c n tính toán ma tr n Hessian, c tìm b ng cách tìm
2.3 Thu t toán Nelder - Mead - Downhill - Simplex
simplex xu ng d c cho t i khi nó vây quanh c c ti u M t simplex là m
hình h n và có th c hình thành trong m t không gian N chiSimplex có N + 1 m t, ví d t hình tam giác trong không gian 2 chi u
cao nh c thay th v i m m m i có giá tr hàm m c tiêu th
3 So sánh các thu t toán v i nhau
so sánh s ho ng hi u qu c a 4 thu t toán trên ta cùng xem xét thu t toán
d c theo tr
Trang 20(1.25)
= s ph n t trong m ng anten = = tr ng s ph c c a ph n t anten
- Broyden Fletcher Goldfarb Shanno (BFGS)
- Davidon Fletcher Powell (DFP)
- Nelder Mead downhill simplex (NMDS)
Trang 21Hình 1.4 B ng so sánh giá tr c i ph trung bình c a 4 thu t toán v i 3 lo i
anten khác nhau
các thu t toán này không th m c c ti u toàn c u ra c a thu
là mô ph ng (simulated annealing) [7]
Trang 22t s ng u nhiên khô i, T là nhi Ngiá tr bi n s c ch p nh n M t t p h p bi n m i thay th t p h p b
lo c tìm b ng cách thêm m c ng u nhiên cho t p h p bi
trung bình (mean) c a Thu t toán k t thúc khi T g n b ng không
Hình 1.6 h i t c a hàm m c tiêu khi dùng thu t toán mô ph ng
h i t c a thu t toán mô ph ng khi t
(simulated annealing) r t gi ng thu t toán GA (genetic algorithm).Sau nhi u th
nghi m thì GA thích h i các bi n liên t c, r i r c, s nguyên ho c k t hcác bi n cùng nhau
5 Thu t toán di truy n
Trang 24: PHÂN TÍCH THU T TOÁN DI TRUY N
2 Lý thuy t v thu t toán di truy n
Trang 27Hình 2.1 sau
Trang 280.80703 0.76024 0.8863 0.62493 0.69272 0.80884 0.11081 0.9381 0.080245 0.27065 0.08569 0.05875 0.69786 0.56797 0.16236 0.53619
Trang 291.6351 2.4147 2.1491 3.1454 3.0785 2.5505 0.49534 1.9644 (2.5)
x=xlo + (xhi-xlo)*([2.^(-[1:nbits])]*reshape(pop(1,:), nbits, nvar))
(2.6)
Trang 30-(2.7) 2.2.3
Trang 31pop=pop(ind(1:natsel),:) cost=cost(1:natsel)
[pop cost] =
0.080245 0.27065 0.08569 0.05875 0.49534 0.25722 0.38528 0.35428 0.63836 1.6351 0.69786 0.56797 0.16236 0.536191.9644 0.68154 0.046657 0.94308 0.47787 2.1491
parents =[1 2 3 4]
prob =[0.1 0.2 0.3 0.4]
Trang 332.2.5
V i(
Ví d :
-point crossover):
mask=zeros(1,ceil(rand*(nvar*nbit -1)))
*ones(1,nvar*nbit) mask=round(rand(1,nvar*nbit))
Trang 34(con th 2)
offspring1=mask.*mother+not(mask).*father offspring2=not(mask).*mother+mask.*father
Trang 37cbits [6]
Hình 2.5 Giá tr nh nh t c c tìm b i thu t toán v t c n
S d ng thu t toán di truy n cho m t qu n th
Trang 388 101001000011101001010000 5.734
B ng 2.1 Kh i t o qu n th Sau khi s p x p :
c c l a ch n m t cách ng u nhiên ng c viên v i cost t
ch n làm m (mother) Ti p t c ch n ng u 2 ng c viên trong s còn l i và ng c viên nào có cost t c ch n làm b B i vì qu n th
nên b ho c m luôn là nhi m s c th t t nh t trong danh sách:
Trang 39Hình trên cho th y 1 s c ch n làm c b và m Và c p b m ti p theo là nhi m s c th 1 và 1 M t n ng c t o ta và áp d ng cho c p b
Trang 40B ng trên là các nhi m s c th b t bi n và cost c a chúng Hai nhi m s c th
000101111011011000001111 100111001111011111101101 10.722
111010000100100111110000 100111011111011111101101 11.378
011011000101111001100101 100111001111011111101101 10.722
100100111010000110011010 100111011111011111101100 11.378
Trang 41B ng 2.10 Qu n th sau khi s p x p th h th hai
K t thúc th h th hai và chu n b cho th h th 3.Sau hai th h , m
Trang 444
Trang 48nhau
th c nh t và k t thúc th h th t bi n giúp m r ng vùng tìm kithu t toán không b m c k t các giá tr c c tr c c b Thu t toán di truy n luôn cho k t qu t t
Trang 49: NG D NG THU T TOÁN DI TRUY N CHO
[1]
c g i là h s m ng (array factor AF), v i anten tuy n tính h s m
c sau:
(3.1)
= : tr ng s ph n t góc l ch pha gi a v là trí t ph n t và v trí quan sát
N là s ph n t c a m ng anten
Trong nhi ng h p, h s m ng (AF) có th c chuy i sang mô
b c x ng xa c a anten (FF) theo công th c :
FF = EP x AF
Trang 50n t - element pattern) là mô ph ng v góc
xa c a m trong m ng anten, gi s r ng t t c các ph n t tr
có mô hình gi ng h t nhau
Hàm giá tr cho thu t toán di truy ng bao g m m t s khía c n
h s m ng ho c mô hình anten.Ví d kháng hay thi t k m ng r t qu
gi i quy c còn thu t toán di truy n l i ng d ng r t t t
M ng anten có r t nhi u cách c u hình Anten d c theo tr c x có h s anten AF theo công th c sau [5]:
Và là kho ng cách gi a các ph n t và tâm anten
Trang 52Gi s i x ng vì th s bit c a m t cá th nvar = N/2 Các thôn
B ng 3.1 Tham s u vào c a thu t toán
Hình 3.1 So sánh hàm AF c a anten m ng 20 ph n t c và sau khi t
Trang 53Gi nguyên các tham s trên ph n t c a anten, s ph n t c gi l
toán và hàm array factor k t qu
Trang 54Hình 3.3 h i t c a thu t toán khi gi m t l t bi n còn 0.2
Hình 3.4 So sánh hàm y u t m ng AF khi t l t bi n gi m còn 0.2
Trang 55thiên nhi vector tr ng s c là 0.960.88803 0.6674 0.69059 0.52655 0.42587 0.31293 0.23165
Trang 56anten m ng 20 ph n t Nh có thu t toán di truy n mà quá trình t
Trang 57n c là 0.95999 0.94157 0.83199 0.6944 0.49256 0.42382 0.28887 0.17936 0.15359 0.041308 th c v i:
Hình 3.7 Giá tr hàm m c tiêu sau 1000 vòng l p t -30.552dB
Trang 58N u gi nguyên các tham s i t l t bi
k t qu
Hình 3.9 h i t c a thu t toán
Hình 3.10 Hàm y u t m ng AF theo u giá tr c là -24.087
Trang 59thu t toán ch y t t ta c u ch nh các tham s u vào sao
c k t qu chính xác và t t
b ng thu t toán di truy
Trang 60bit trong phép d ch pha ho c trong nhi m s c th Msóng ph i c a m ng là (2 N u m c sóng ph -20dB thì B là
là s nguyên ti p theo l )
S ng nhi m s c th kh i t o qu n th Càng nhi u nhi m s c th càn
a thu n r ng, t ng s nhi m s c th g p 10 l n s bit mã hóa nh
th N u có quá nhi u bit trong m t nhi m s c th thì máy tính c i d li u sang
nhi u khi ch y trong RAM
bi t o ra các bit trong nhi m s c th Khu v c trung tâm anten s
khu v c hai bên c t c sóng ph th p trong mô hình b c x
Trang 61h i t c a thu t toán m d ng thu t toán là m t vi
c c c tr toàn c c Khi ch y thu t toán có v v h i t ta có th xem xét th
i m t thu t toán khác phù hThu t toán di truy n r t h u ích cho nhi u bài toán t n t
toán vét c n hay ng u nhiên t n quá nhi u th i gian
Trang 62N
Khi các thu t toán tuy n tính không phát huy tác d ng v i các bài toán có nhi u
tham s hay các tham s ph c t p, liên t c, r i r c thì thu t toán di truy n th hi n
u các thu t toán t
t h i t và t c a thu t toán.Các tham s khác
c l n thì c i thi n hi các th h sau T l
t bi n th p c i thi n hi là giá tr trung bình c a t t c
thu t toán di truy n là m t k thu t m nh m và thi t th c
Trang 631 Haupt, R L (1995), An introduction to genetic algorithms for electromagnetics, IEEE Antennas Propagat Magazine, vol 37, pp 7-14
2 G Luenberger (1984), Linear and №nlinear Programming, Addison-Wesley, Reading, MA, pp 188-212
3 M J D Powell (1964), An efficient way for finding the minimum of a function
of several variables without calculating derivatives, Comput J, pp 155 162
4 P Brahma, P Nandi (2015), A Senapati and J S Roy, Reduction of Sidelobe level of thinned phase array antenna using genetic algorithms, International Journal