đồ án tốt nghiệp sử dụng thuật toán luyện kim song song giải quyết bài toán maxsat

Giới thiệu chung về thuật toán SA SA là một thuật toán tìm kiếm xác suất di truyền, là phương pháp tối ưu hoá có thể áp dụng để tìm kiếm tối ưu hoá toàn cục của hàm chi phí và tránh tối

Chương I: 3

Tổng quan thuật toán mô phỏng luyện kim (Simulated Annealing = SA) 3

Sự hội tụ 7

Điều kiện dừng 8

Chương II: 8

Xây dựng khung thuật toán SA 8

Hàm Main_Seq 18

Kết quả thực nghiệm 26

1 Kết quả tuần tự 26

2 Kết quả song song 26

BÁO CÁO KHOA HỌC

ĐỂ TÀI:

THUẬT TOÁN LUYỆN KIM SONG SONG

(Parallel Simulated Annealing Algorithms)

GIẢI QUYẾT BÀI TOÁN MAX-SAT

- Để rút ngắn thời gian lập trình chúng ta cần xây dựng khung thuật toán giúp giải quyết các bài toán khác nhanh chóng hơn

- Mục đích của đề tài này là sử dụng thuật toán luyện kim song song để giải quyết bài toán tối ưu MAXSAT Đề tài bao gồm các nhiệm vụ sau:

• Nghiên cứu lý thuyết về thuật toán luyện kim

• Xây dựng khung thuật toán chung cho các bài toán sử dụng thuật toán luyện kim

• Áp dụng khung thuật toán luyện kim cho bài toán MAXSAT

• Cài đặt bài toán MAXSAT và đưa ra kết quả thực nghiệm trên cả chương trình tuần tự và chương trình song song

• Từ đó sử dụng khung thuật toán luyện kim để giải quyết các bài toán tối ưu khác trong thực tế như: Bài toán người du lịch, bài toán khôi phục ảnh, thiết kế mạch IC, bài toán sắp xếp thời khoá biểu cho trường đại học…

Chương I:

Tổng quan thuật toán mô phỏng luyện kim

(Simulated Annealing = SA)

I Giới thiệu chung về thuật toán SA

SA là một thuật toán tìm kiếm xác suất di truyền, là phương pháp tối ưu hoá có thể áp dụng để tìm kiếm tối ưu hoá toàn cục của hàm chi phí và tránh tối ưu hoá địa phương bằng việc chấp nhận một lời giải tồi hơn với một xác suất phụ thuộc nhiệt độ T

Sơ đồ thể hiện trong một không gian lời giải thuật toán luyện kim sẽ tìm đến tối

ưu toàn cục với bước nhảy từ tối ưu địa phương

Tiền thân của SA là thuật toán Monte Carlo năm 1953 của nhóm Metropolis Thuật toán SA được đề xuất bởi S Kirk _ partrick năm 1982 và được công bố trước công chúng năm 1983

 SA có nguồn gốc từ cơ học hệ thống SA thực thi đơn giản và tương tự quá trìnhluyện kim vật lý Trong luyện kim vật lý kim loại được đốt nóng tới nhiệt độ cao

và làm lạnh từ từ để nó kết tinh ở cấu hình năng lượng thấp (tăng kích thước của tinh thể và làm giảm những khuyết điểm của chúng) Nếu việc làm lạnh không xảy ra từ từ thì chất rắn không đạt được trạng thái có cấu hình năng lượng thấp

sẽ đông lạnh đến một trạng thái không ổn định (cấu trúc tối ưu địa phương)

Gọi E là năng lượng của trạng thái s, E’ là trạng thái năng lượng của trạng thái s’

và ∆E = E’ – E là sự chệnh lệch nhiệt độ giữa trạng thái s’ và trạng thái s Nếu

∆E ≤ 0 thì sự thay đổi kết quả được chấp nhận với xác suất E k B T

e−∆ / trong đó

T là nhiệt độ, kB là một hằng số vật lý được gọi là hằng số Boltzmann

Nếu có số lượng lớn các bước lặp được thực hiện ở mỗi nhiệt độ, hệ thống sẽ đạttrạng thái cân bằng nhiệt Khi đó, sự phân bố xác suất của hệ thống trong trạng

thái s ở nhiệt độ T là e E k B T

T Z

/

) (

trong đó Z(T): là hàm phân phối

SA sử dụng một biến điều khiển toàn cục là biến nhiệt độ T Ban đầu T ở giá trị rất cao và sau đó được giảm dần xuống Trong quá trình tìm kiếm SA thay lời giải hiện thời bằng cách chọn ngẫu nhiên lời giải láng giềng với một xác suất phụ thuộc vào sự chênh lệch giữa giá trị hàm mục tiêu và tham số điều khiển T

Quá trình tối ưu hoá được tiếp tục cho tới khi cực tiểu toàn cục được tìm thấy hoặc tổng số bước chuyển vượt quá một số tối đa các bước chuyển đã được định trước Sự chuyển tiếp ở một nhiệt độ kết thúc khi đạt tới trạng thái cân bằng nhiệt Sauk hi đạt tới trạng thái cân bằng nhiệt thì nhiệt độ được giảm thấp hơn Nếu hệ thống không đông lạnh và cũng không tìm được cực tiểu toàn cục thì vòng lặp vẫn tiếp tục và chỉ số k tăng Hệ thống đông lạnh khi T tiến tới nhiệt độ

Tcuối do người dùng đưa ra Ta có sơ đồ thuật toán

II Mô hình toán học của thuật toán SA

1 Không gian trạng thái

SA thực thi trong một không gian trạng thái Không gian trạng thái là một tập hợp các trạng thái, mỗi trạng thái đại diện cho một cấu hình Kí hiệu không giantrạng thái là S, số phần tử của không gian trạng thái là |S|.

Một quan hệ láng giềng trên S: µ ⊆ S×S

o Các phần tử của µ được gọi là các di chuyển

o (s, s’) Є µ kết nối qua một di chuyển được gọi là láng giềng

o (s, s’) Є µk kết nối qua một tập k di chuyển U∞k=1µk =S×S

Tập trạng thái kết nối với trạng thái đã cho si Є S được kí hiệu là Ni, số phần tửcủa Ni gọi là cấp độ của si Ni là tập các láng giềng của si

Có hai trạng thái si và si-1 và xác suất để si là trạng thái hiện thời phụ thuộc vào hàm chi phí của si và hàm chi phí của si-1 và nhiệt độ T

Có ba trạng thái liên tiếp si-1, si, si+1 thì trạng thái si-1 và si+1 không phục thuộc vào nhau

Xác suất mà s’ là trạng thái kế tiếp của s kí hiệu là P(s,s’,T) gọi là xác suất chuyển tiếp

' )' , ( ) ), ' ( ), (

( )

,' ,

( ( ( ), ( '' ), ) ( , '' )

s

s s s

s T s

s T

s s

P α ε s ε s T β s s

β ε

ε α

α: hàm xác suất chấp nhận (acceptance probability function) β: hàm xác suất lựa chọn (selection probability function)

β cho phép chỉ một cặp trạng thái trong μ được lựa chọn

Xác suất lựa chọn không bao giờ bằng 0 cho một cặp trạng thái được kết nối bởi một di chuyển đơn

',(

0)',()

',(

N

S s

s s s

s

s s s

s

β

β µ

β µ

Sơ đồ:

3 Hàm chi phí và hàm sức khoẻ

Hàm đánh giá cost là hàm xác định chi phí được dùng để ước lượng một lời giải

đã cho Hàm chi phí của lời giải s kí hiệu là f(s)

Hàm sức khoẻ Fitness được định nghĩa:

%100

*cost1

1

+

=

fitness

Sự giảm bớt chi phí tương đương với sự tăng của hàm sức khoẻ

Giá trị hàm sức khoẻ tăng khi nhiệt độ giảm thể hiện trong biểu đồ:

4 Sự phân bố trạng thái giới hạn

Cho πTk(si) là xác suất mà si là lời giải hiện thời sau k bước của thuật toán ở nhiệt độ T

Vectơ xác suất trạng thái: πTk = (πTk(s1), πTk(s2),…,πTk(si),…) Cho chuỗi Markov, vector xác suất trạng thái hội tụ tới 1 véctơ xác suất giới hạn Tk T

T

T T T

1

0

0 

=

S Tk

)/)(exp(

)(lim π

(Phân bố Boltzmann)

• Phân bố giới hạn cho T  0

- Cân nhắc 2 lời giải si và sj với f(si) < f(sj) Trong trường hợp này có:

) / ) ( exp(

) (

)

T i s f j s f T

j s f

T i s f k

j

S Tk

i

S Tk

ππ

- Sự khẳng định cuối cùng là giả thiết f(s j)− f(s i)>0

- Hội tụ tới ∞ chỉ có thể xảy ra nếu có: lim lim ( ) 0

T k

π

- Chứng minh rằng: Cho lời giải khả thi s, k∞ và T0 xác suất πTk (s) hội

tụ tới 0, nếu s không phải lời giải tối ưu lim ( ) 0

( lim

0

lim

opt S

s Tk T

Ở đây Sopt là tập tất cả các lời giải tối ưu

5 Sự hội tụ và điều kiện dừng

Sự hội tụ

Cho không gian tìm kiếm hữu hạn S, điều kiện đủ cho sự hội tụ là sự cân bằng chi tiết (detail balance) phụ thuộc vào xác suất giữa hai lời giải bất kỳ sj , si trong không gian trạng thái là bằng nhau:

) ( ).

( )

( ).

( T ij T j T ji T

Trong đó πi(T) là sự phân bố ổn định của trạng thái si ở nhiệt độ T

Sự phân phối ổn định là một vectơ

π(T) = (π1(T), π2(T), …, π|s|(T)) Thỏa mãn phương trình: πT(T)*P(T) = πT(T)

P(T): ma trận chuyển tiếp

πT: Hoán vị của π

|S| : là số phần tử của không gian trạng thái S.

Nếu P là tối giản và không có chu kỳ thì tồn tại một xác suất ổn định duy nhất

π Điều kiện đủ cho tính không chu kỳ là tồn tại trạng thái si є S sao cho Pii ≠ 0

Xây dựng khung thuật toán SA

I Lý do xây dựng khung thuật toán

Chúng ta cần xây dựng khung chung cho thuật toán nhằm đảm bảo:

• Giảm thiểu quá trình code cho người sau

• Cho những người sau thử nghiệm bài toán trên lập trình song song

• Việc xây dựng khung sẽ khiến người đọc hiểu được tổng quan thuật toán vàcách cài đặt thuật toán một cách nhanh hơn Giúp cho người sau học có tính khoa học hơn

II Khung chung của thuật toán SA

 Tất cả các bài toán giải bằng SA đều thực hiện theo các bước:

• Bước 1: Đầu tiên, tìm điểm xuất phát của bài toán

• Bước 2: Liệt kê các láng giềng có thể có của lời giải hiện thời

• Bước 3: Tiến hành ước lượng hàm mục tiêu hiện thời và hàm mục tiêu của láng giềng vừa tìm được

• Bước 4: Sinh một biến ngẫu nhiên thường là phân bố mũ có các tham số phụ thuộc vào hiệu quả của các giá trị hàm mục tiêu và tham số T

• Bước 5: Nếu biến ngẫu nhiên lớn hơn hoặc nhỏ hơn một ngưỡng cho trước thì chấp nhận láng giềng vừa tìm được làm phương án hiện tại

• Bước 6: Giảm nhiệt độ T

• Bước 7: Quay trở lại từ đầu

Đã chứng minh được khi T  0 thì tìm được lời giải tối ưu toàn cục Tại những giá trị nhiệt độ cao các bước chuyển được chấp nhận một cách ngẫu nhiên bất luận chúng là bước chuyển có cải thiện hàm chi phí hay không Khi

nhiệt độ được giảm xuống xác suất chấp nhận lời giải có cải thiện tăng lên và xác suất chấp nhận lời giải không có cải thiện giảm xuống.

Khung thuật toán SA gồm 3 lớp:

- Problem: Định nghĩa bài toán

- Solution: Định nghĩa lời giải

- Default Move: Định nghĩa sự chuyển đổi (sự phát sinh lời giải mới)

Thuật toán Metropolis heuristic:

Algorithm Metropolis (S,T,M)

(*Trả lại giá trị giảm của hàm chi phí*)

Begin Repeat

M = M + 1;

NewS  neighbor(S);(*sinh ra lời giải mới

NewS*)

gain  Gain(NewS,S);(*chênh lệch hàm chi phí*)

If ((gain > 0) or (random < egain/K

B )) then{

S  NewS; (*Chấp nhận lời giải*)

If (cost(NewS) < cost(BestS)) thenBestS  NewS;

o Hàm neighbor sinh ra lời giải mới NewS

o Hàm Gain: độ chênh lệch hàm chi phí của lời giải S và lời giải mới

NewS tức là gain = chi phí của S – chi phí của NewS

o Random là số ngẫu nhiên từ 0 đến 1

o Nếu chi phí NewS thấp hơn chi phí của S thì chấp nhận lời giải NewS

còn nếu chi phí NewS lớn hơn chi phí của S thì vẫn chấp nhận lời giải

NewS nhưng với xác suất là radom < e gain/K

B T

o Nếu NewS được chấp nhận sẽ so sánh với BestS Nếu cost(BestS) >

cost(NewS ) thì BestS được thay thế bởi NewS Còn không thì vẫn giữ

nguyên lời giải BestS và tiếp tục thực hiện vòng lặp.

 Thuật toán SA

Algorthm Simulated_Annealing

Begin

Initialize(T); //khởi tạo nhiệt độ T

S 0 = Initial_Solution()// khởi tạo lời giải S 0

o Thuật toán SA ban đầu khởi tạo nhiệt độ T và lời giải S0

o Gọi hàm Metropolis để tìm lời giải tốt nhất BestS Sau khi đã tìm

được lời giải tốt nhất thì cập nhật lại nhiệt độ T theo thông số alpha.Thực hiện

vòng lặp cho tới khi T = 0 sẽ tìm được lời giải tốt nhất toàn cục của bài toán

Một điều quan trọng nữa là khi thực hiện thuật toán SA người dùng phải cấu

hình các thông số của thuật toán trong file cấu hình SA.cfg bao gồm:

o // trạng thái toàn cục được cập nhật trong n ước lượng

o // 0: asynchronized mode // 1: synchronized mode

o // số bước lặp để phối hợp ( nếu là 0 không phối hợp)

Thuật toán SA có thể chạy được cả ở môi trường tuần tự và môi trường song song

III Sơ đồ khung thuật toán

SA có hai phân lớp chính là lớp Required (lớp đòi hỏi) và lớp Provided (lớp cung cấp) được thể hiện trong hình vẽ dưới đây

1 Lớp cung cấp (Provided)

• Provided: bao hàm các thủ tục chung cho thuật toán SA và được áp dụng cho hầu hết các bài toán sử dụng thuật toán SA (ví dụ như khung của thuật toán SA tuần tự, khung của thuật toán SA song song, thiết đặt các thông số của bài toán ).Bao gồm các lớp:

o SetupParams: Là một lớp quan trọng để đọc file cấu hình và khởi tạo các giá trị trong file cấu hình

o Solver: Thực hiện các chiến lược đưa ra và duy trì các thông tin có liên quan tới trạng thái tìm kiếm trong suốt quá trình thực hiện

class Solver

{ protected:

const Problem& problem;

const SetUpParams& params;

UserStatistics _userstat;

Statistics _stat;

Move* move;

Solution current;

State_Vble sol; // Một vector các lời giải tạm thời của bài toán

const Direction _direction;

bool AcceptQ(double tent, double cur, double temperature);

// chấp nhận lời giải double Set_Initial_Temperature(const Problem& pbm);

// khởi tạo nhiệt độ của bài toán void KeepHistory(const Solution& sol, const double curfit,const

float time_spent_trial,const float total_time_spent);

double UpdateT(double temp, int K);//cập nhật nhiệt độ

public:

Solver (const Problem& pbm, const SetUpParams& setup); // Full execution

virtual void run () =0;

virtual void run (có tham số) =0;

// Partial execution virtual void StartUp () =0;

virtual void StartUp (có tham số) =0;

virtual void DoStep () =0;

virtual void run (unsigned long int max_evaluations);

virtual void run (const Solution& sol, unsigned long int max_evaluations);

virtual void run (const double initialTemperature);

virtual void run (const Solution& sol,const double initialTemperature);

virtual void run (const double initialTemperature, unsigned long int nb_evaluations);

virtual void run (const Solution& sol,const double initialTemperature, unsigned long int nb_evaluations);

// Partial execution

virtual void StartUp ();

virtual void StartUp (const Solution& sol);

virtual void StartUp (const double initialTemperature);

virtual void StartUp (const Solution& sol, const double initialTemperature);

virtual void DoStep ();

};

 Solver_Lan: Chứa thủ tục run(int argc, char** argv) để giải quyết

bài toán một cách song song trên môi trường mạng LAN Với tham

số truyền vào của hàm chính là các tên máy tham gia vào quá trình tính toán

provides class Solver_Lan: public Solver {

private:

NetStream _netstream;

int mypid;

void send_local_state_to(int _mypid);

int receive_local_state_from(int source_pid);

void check_for_refresh_global_state();

unsigned int _current_trial;

unsigned int _current_iteration;

// Partial execution virtual void StartUp ();

virtual void StartUp (có tham số);

2 Lớp đòi hỏi (Required)

• Required: bao hàm các thủ tục riêng trong thuật toán SA của từng bài toán cụ thể (ví dụ như các thủ tục tính nhiệt độ, thủ tục tính hàm sức khoẻ, thủ tục sinh lời giải )

• Các lớp đòi hỏi được sử dụng để lưu trữ dữ liệu cơ bản của thuật toán : bài toán, trạng thái không gian tìm kiếm và vào/ra Bao gồm các lớp:

o Problem: Mô tả bài toán cần được giải quyết Nhận các thông số của bài toán từ file định nghĩa bài toán

o Solution: Miêu tả tập lời giải có thể được thực hiện

o UserStatistic: lưu trữ thông tin cuối cùng của bài toán :lời giải tốt nhất, số đánh giá, thời gian thực thi,…

o DefaultMove: Thực hiện việc cập nhật lời giải mới của bài toán

o TerminateQ: Thực hiện điều kiện dừng của bài toán

Ta có sơ đồ khung thuật toán SA như sau:

Những lớp có dấu * là các lớp Required

Trong đó:

 NetStream: Là một lớp trung gian giữa khung và MPI dễ dàng cho việc xử

lý song song như hình vẽ (thể hiện việc gửi nhận dữ liệu)

 State_Center: cho phép tìm kiếm một biến trạng thái, thêm một biến trạng thái, và loại bỏ một biến trạng thái hoặc cập nhật nội dung của một biến trạng thái Tất cả các trường hợp của StateVariable được xếp bên trong StateCenter

 State_Vble: cho phép định nghĩa và thiết đặt, lấy tên các biến trạng thái

3 Một số hàm quan trọng trong hai lớp Required và Provide

3.1 SA.pro.cpp

istream& operator>> (istream& is,

SetUpParams& setup)

Đọc vào file cấu hình

ostream& operator<< (ostream& os,

const SetUpParams& setup)

In ra file cấu hình vừa đọc được

Khởi tạo các biến của SetupParams

ostream& operator<< (ostream& os,

const Statistics& stats)

In ra kết quả thông kê.

void Statistics::update(const

Solver& solver)

Cập nhật các giá trị mới

Các hàm của Slover tính toán các giá trị như: thời gian, các

bước lặp, nhiệt độ hiện tại, lời giải hiện tại…

double Solver::UpdateT(double

temp, int K)

Cập nhật nhiệt độ với tham

số K