Giải thuật di truyền cho bài toán đa mục tiêu

GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN ĐA MỤC TIÊU  TRƢỜNG ĐẠI HỌC CÔNG NGHỆ TRẦN HẢI THANH LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2014  TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Trần Hải Thanh GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN ĐA MỤC TIÊU LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2014 Ng      60480103 NGƢỜI HƢỚNG DẪN KHOA HỌC: TS. LÊ NGUYÊN KHÔI LỜI CẢM ƠN ng dn ch b   Ti li c   i h  i hc Quc gia u kin thun li t thi gian hc tp tng. i li ng nghip, nhi        c hi   u c ng c gng nhnh, tip cn vi thc t   dng khoa hc s u hn ch c s  kin ca thn.   Hiu ng i h - i hc Qui d  c khe, ni   tip tc thc hin s m  p c   truyt kin thc cho th h mai sau. ng.   4   4 LỜI CAM ĐOAN ng s lit qu u trong lu p v c thc hii s ng dn khoa hc ca Ti ng mi sho vic thc hin lu c cn trong luc ch  ngun gc.   5 Mục Lục  3  4  7  8  9  10 CHƢƠNG 1 TỔNG QUAN VỀ TỐI ƢU ĐA MỤC TIÊU 12 1.1.  12  12  13  13  13 1.2.  14 1.2.1. -1 14 1.2.2.  15 1.2.3.  15 1.3.  15 1.4.  17  17 1. 18  18  18  19 CHƢƠNG 2 GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN TỐI ƢU ĐA MỤC TIÊU . 21  21 2.1.1.  21 2.1.2.  23 2.1.3.  24 2.2.  25 2.2.1.  25 2.2.2.  26 2.2.3.  27 2.2.4.  30 2.2.5. 2 35 CHƢƠNG 3 KẾT QUẢ THỰC NGHIỆM VÀ ĐÁNH GIÁ 39 3.1.  39 3.1.1.  39 3.1.2.  39 3.1.3.  39 3.1.4. - 39 3.2.  42 3.2.1.  42 6 3.2.2.  43 3.2.3.  46 3.3.  49  51  52  52  52 7 Danh mục các ký hiệu và chữ viết tắt GA : Genetic Algorithms MOGA : Multi-Objective Evolutionary Algorithms NSGA : Nondominated Sorting in Genetic Algorithms SEAMO : A Simple Evolutionary Algorithm for Multi-objective Optimization SPEA : Strength Pareto Evolutionary Algorithm =(x 1  n ) : Vector bin quynh                    n u : S nghim tri hn nghim u S u : Tp nghim tri bi nghim u P : Qun th ban u F j : Bin cha c nghim kng tri th j, j =1,,R Q : Tp u tr nghim khg tri qua mi th h P t  Q t  P t F j : j, {j=1,…,R} N :  P t N E : S lng ln nht m tp E c th cha c c nghim khng tri N P : S lng c th trong qun th/kch thc tp P k Tham s ca mt  nh ton: k =          : khoa nghim nghim n gn nht th k trong tp E t + 1 8 Danh mục các hình vẽ đồ thị 2.1 M gi 23 i thut di truyn 25 2 26  hng 31 a kho quanh nghim i 34  hng 34 a s quy t cm quanh mt nghim 35 2.9: Minh h  37 H2.10: Minh h  k nh nht 37   40  41  -  42 3.4: Minh hm 44 3.5: Thu 46 3.6:   500 th h 48 3 1920 th h 49 3i NSGA2, SPEA2 50 9 Danh mục các bảng Bng 1  19 Bng 3.1: T l % thc hin c ng hp thay th - SEAMO2 43 Bng 3.2: T l % thc hin cng hp thay th - SEAMO2_LG 47 B bao ph  500 th h 48 B bao ph  1920 th h 49 B bao ph  50 10 MỞ ĐẦU 1. Lý do chọn đề tài c t, tn ti rt nhiu tng thi nhiu mnh tranh l nh tuyn  ng tm cung cp dch v cho mt tp h n mt s mng c thi gian thc hing xe s d a  khong tha thuc  mua thm b ng calo cn thit, chng ba m bo, s tii h Gii thut di truyt trong nh bi  thu  (fuzzy computing), m-ron (neural networks), h  (multi-  b intelligence), gii thut di truyng r c ca cuc sng. i v xut ra  gii quy i thuu qu  [4]. Vi gii thut SEAMO2, vic thay th  n th (thc hin chic chn lc t  hi t v tp nghim ti ln chy ngn th nghing ti i ln ch mt nhiu th loi   mnh d ci tin chic chn lc t i thut SEAMO2  gi t trong lu“Giải thuật di truyền cho bài toán đa mục tiêu”. 2. Mục đích nghiên cứu Ma lu trong gii thut di truyn (hay gii thut tic bi chn lc t  chn l i gii nhm tp li gii thut di truyn gii quyt hiu qu  M th ca lu d di truyi vi thung di chic chn lc t a thum ci tin thu [...]... nghiệm của các thuật toán này để cải tiến thuật toán di truyền có áp dụng nguyên lý tiến hóa SEAMO2 4 Đối tượng và phạm vi nghiên cứu Tìm hiểu về bài toán tối ưu đa mục tiêu, bài toán cái túi 0-1 đa mục tiêu Tìm hiểu về giải thuật tiến hóa, các mô hình giải thuật tiến hóa có thể áp dụng cho bài toán cái túi 0 - 1 đa mục tiêu Xây dựng ứng dụng giải bài toán cái túi 0 - 1 đa mục tiêu với giải thuật SEAMO2... sánh với kết quả của các thuật toán tối ưu đa mục tiêu khác như: SPEA2, NSGA2, …[3,13,16,17] Do đó mục tiêu của luận văn là: Nghiên cứu giải thuật di truyền cho bài toán đa mục tiêu 3 Nhiệm vụ nghiên cứu Nghiên cứu các mô hình của giải thuật di truyền có áp dụng các nguyên lý tiến hóa và trên cơ sở đó tiếp cận các ý tưởng t thuật toán di truyền để giải bài toán cái túi đa mục tiêu như: NSGA2, SPEA2,... số thuật toán tương tự khác đã bị phá, do các bài toán tổng con cụ thể mà họ tạo ra thực ra lại giải được bằng các thuật toán thời gian đa thức 1.3 Bài toán cái túi đa mục tiêu Martello và Toth [10] cũng định nghĩa bài toán bái túi đa mục tiêu trong đó bao gôm n đồ vật và m cái túi, mỗi cái túi có một giới hạn trọng lượng ( ) Bài toán cái túi đa mục tiêu (MKP) là bài toán tổng quát hóa của bài toán. .. 24} 21 CHƢƠNG 2 GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN TỐI ƢU ĐA MỤC TIÊU 2.1 Giới thiệu về giải thuật di truyền Các bài toán tối ưu đa mục tiêu thường hướng đến một đặc trưng bởi một tập các lựa chọn được xem xét tương đương với nhau trong tình trạng thiếu thông tin về mối tương quan của mỗi mục tiêu với các mục tiêu khác Khi số lượng các mục tiêu cạnh tranh với nhau gia tăng và ít các mục tiêu có hành vi... thỏa mãn) End 25 Hình 2.2: Mô hình tổng quát giải thuật di truyền Đã có nhiều công trình nghiên cứu nhằm mô hình hóa toán học giải thuật di truyền, các ảnh hưởng của các toán tử di truyền lên hành vi của giải thuật, đặc biệt là hành vi hội tụ tới nghiệm tối ưu 2.2 Một số thuật toán thƣờng đƣợc áp dụng giải bài toán tối ƣu đa mục tiêu 2.2.1 Thuật toán MOGA Thuật toán này được đề nghị bởi Fonseca và Fleming... tâm, đó là bài toán với các tính chất:  là một bài toán quyết định  là một bài toán 0-1  với mỗi đồ vật, chi phí bằng giá trị: C = V Bài toán cái túi thường được giải bằng quy hoạch động, tuy chưa có một thuật toán thời gian đa thức cho bài toán tổng quát Cả bài toán cái túi tổng quát và bài toán tổng con đều là các bài NP-khó, và điều này dẫn đến các cố gắng sử dụng tổng con làm cơ sở cho các hệ... của các giải thuật di truyền trong tìm kiếm và tối ưu đa mục tiêu [1] 2.1.1 Các nguyên tắc căn bản của giải thuật di truyền Tổng quát, một giải thuật di truyền được đặc trưng bởi ba yếu tố sau :  Một tập các lời giải ứng viên P  Tập P được thay đổi trong quá trình chọn lọc  Được xử lý bởi các toán tử di truyền, thường là lai ghép và đột biến Tương tự như tiến hóa trong tự nhiên, các lời giải ứng... thể đa dạng để ngăn cấm sự hội tụ mới và đạt được một tập không bị trội có độ phân bố và phát triển tốt 24 2.1.3 Mô hình tổng quát giải thuật di truyền Một giải thuật di truyền (hay một chương trình tiến hóa bất kỳ) giải một bài toán cụ thể gồm 5 thành phần [2]: – Cách biểu di n di truyền cho lời giải của bài toán – Cách khởi tạo quần thể ban đầu – Hàm lượng giá trong vai trò môi trường – Các phép toán. .. thuật, bài toán cần giải quyết để đưa ra những ý kiến, đề xuất cải tiến hợp lý Ứng dụng những kết quả dựa trên nghiên cứu để xây dựng chương trình thực nghiệm, t đó so sánh với kết quả của các thuật toán tối ưu đa mục tiêu khác 12 CHƢƠNG 1 TỔNG QUAN VỀ TỐI ƢU ĐA MỤC TIÊU Giới thiệu bài toán tối ƣu đa mục tiêu Tối ưu đa mục tiêu (multiobjective optimization) hay cũng còn gọi là tối ưu đa tiêu chuẩn... hành vi tốt thì độ phức tạp của bài toán sẽ tăng nhanh chóng Trong sự phát triển của các giải thuật di truyền, người ta đã nhận thấy rằng các giải thuật di truyền có khả năng thích hợp tốt nhất cho tối ưu hóa đa mục tiêu Nhiều cá thể có thể được tìm kiếm cho nhiều lời giải song song với nhau Khả năng để xử lý các bài toán phức tạp có các đặc trưng như : tính không liên tục, đa phương thức, không gian tìm . gi t trong lu Giải thuật di truyền cho bài toán đa mục tiêu . 2. Mục đích nghiên cứu Ma lu trong gii thut di truyn (hay gii thut. 2014  TRƢỜNG ĐẠI HỌC CÔNG NGHỆ Trần Hải Thanh GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN ĐA MỤC TIÊU LUẬN VĂN THẠC SĨ CÔNG NGHỆ THÔNG TIN Hà Nội – 2014 Ng .  18  19 CHƢƠNG 2 GIẢI THUẬT DI TRUYỀN CHO BÀI TOÁN TỐI ƢU ĐA MỤC TIÊU . 21  21 2.1.1. 