Bài tiểu luận: Tối ưu hóa kết cấu

Bài tiểu luận Tối ưu hóa kết cấu giới thiệu đến các bạn những nội dung về thuật toán bầy kiến, ý nghĩa tối ưu hóa kết cấu, nội dung tối ưu hóa kết cấu, áp dụng tối ưu hóa kết cấu,... Mời các bạn cùng tham khảo nội dung bài tiểu luận để có thêm tài liệu phục vụ nhu cầu học tập và nghiên cứu.

I.4.1: Gi i thi u chung v  thu t toán b y ki n ớ ệ ề ậ ầ ế 4I.4.2: S  đ  chung c a thu t toán b y ki n ơ ồ ủ ậ ầ ế 8I.4.3: N i dung c a thu t toán b y ki n ộ ủ ậ ầ ế 10

I.4.3.2.2: Thu t toán Ant Colony System(ACS) ậ 14I.4.3.2.3: Thu t toán Max–Min Ant System(MMAS) ậ 16I.4.3.2.4: Thu t toán Rank­Based Ant System(RBAS) ậ 17I.4.3.2.5: Thu t toán Best­Worst Ant System(BWAS) ậ 18

I.1: GI I THI U CHUNG  Ớ Ệ  

Trước khi nói v  n i dung thu t toán b y ki n ta đi tìm hi u v  đàn ki nề ộ ậ ầ ế ể ề ế  trong t  nhiên, xem các đ c đi m và cách ho t đ ng c a đàn ki n t  nhiên. T  đóự ặ ể ạ ộ ủ ế ự ừ  

có th  đ a ra các đ c đi m c n thi t, tác đ ng t i thu t toán b y ki n.ể ư ặ ể ầ ế ộ ớ ậ ầ ế

Hình: Đàn ki n ế  trong t  n ự hiên

Đàn ki n t  nhiên: Là m t loài có t  ch c cao, m i con ki n khi di chuy n sế ự ộ ổ ứ ỗ ế ể ẽ 

đ  l i m t lể ạ ộ ượng thông tin pheromone trên m t đ t. Đây là phặ ấ ương ti n đ  đánhệ ể  

d u và đ  đàn ki n trao đ i thông tin khi tìm ki m th c ăn. Khi đi tìm ki m th c ăn:ấ ể ế ổ ế ứ ế ứ  Sau khi tìm th y ngu n th c ăn, thì m i con ki n s  tìm ra đấ ồ ứ ỗ ế ẽ ường đi c a nó đ  đi tủ ể ừ 

t  t i ngu n th c ăn. Chúng s  giao ti p trao đ i thông tin v i nhau, sau m t th iổ ớ ồ ứ ẽ ế ổ ớ ộ ờ  gian c  đàn ki n g n nh  tìm ra và đi theo con đả ế ầ ư ường ng n nh t t  t  t i ngu nắ ấ ừ ổ ớ ồ  

th c ăn.ứ

Sau khi nghiên c u cho th y c  ch  ho t đ ng c a đàn ki n t  nhiên trongứ ấ ơ ế ạ ộ ủ ế ự  quá trình tìm đu ng đi ng n nh t t  t  t i ngu n th c ăn d a trên các nguyên t cờ ắ ấ ừ ổ ớ ồ ứ ự ắ  sau:

 Đường đi ng n nh t đắ ấ ược xác đ nh thông qua các thông tin v  Pheromone,ị ề  

là m t lo i hóa ch t mà các con ki n dùng đ  trao đ i thông tin v i nhau.ộ ạ ấ ế ể ổ ớ

 Khi di chuy n thì m i con ki n s  đ  l i m t lể ỗ ế ẽ ể ạ ộ ượng Pheromone trên 

đường đi mà nó đã đi qua

 Trong quá trình di chuy n tìm để ường đi, các con ki n s  đế ẽ ược đ nh hị ướ  ng

b i các thông tin pheromone đã đở ược đ  l i trên để ạ ường đi

 M i con ki n di chuy n m t cách ng u nhiên khi không có thông tin vỗ ế ể ộ ẫ ề pheromone trên đo n đạ ường đi

 Các đường đi có lượng pheromone l n thì xác su t đớ ấ ược ch n càng cao,ọ  

ngượ ạc l i các đo n đạ ường có lượng pheromone th p thì xác su t đấ ấ ượ  c

ch n là bé.ọ

T  vi c nghiên c u c  ch  ho t đ ng c a đàn ki n t  nhiên đã cho ra đ iừ ệ ứ ơ ế ạ ộ ủ ế ự ờ  thu t toán b y ki n. M t cách không chính th c có th  nói thu t toán b y ki n làậ ầ ế ộ ứ ể ậ ầ ế  

m t b y ki n nhân t o đ  gi i bài toán đ a ra.ộ ầ ế ạ ể ả ư

T i  u đàn ki n (ACO) ố ư ế Là m t đàn ki n nhân t o (Artificial Ants) mô ph ngộ ế ạ ỏ  các ho t đ ng c a đàn ki n t  nhiên. Trong đó ho t đ ng chính c a các con ki nạ ộ ủ ế ự ạ ộ ủ ế  nhân t o làạ  cách tìm đường đi t  t  t i ngu n th c ăn c a các con ki n t  nhiên.ừ ổ ớ ồ ứ ủ ế ự  

Đ n nay nó đế ược c i ti n đa d ng và có nhi u  ng d ng. Trả ế ạ ề ứ ụ ước khi gi i thi uớ ệ  

phương pháp ACO, lu n án gi i thi u phậ ớ ệ ương th c trao đ i thông tin gián ti p c aứ ổ ế ủ  các con ki n và mô hình ki n nhân t o.ế ế ạ

Trên đường đi, m i con ki n đ  l i m t ch t hóa h c g i là v t mùi dùng đỗ ế ể ạ ộ ấ ọ ọ ế ể đánh d u đấ ường đi. B ng cách c m nh n v t mùi, ki n có th  l n theo đằ ả ậ ế ế ể ầ ường đi 

đ n ngu n th c ăn đế ồ ứ ược các con ki n khác khám phá theo phế ương th c ch n ng uứ ọ ẫ  nhiên có đ nh hị ướng theo n ng đ  v t mùi đ  xác đ nh đồ ộ ế ể ị ường đi ng n nh t t  tắ ấ ừ ổ 

đ n ngu n th c ăn. Ngoài ra các con ki n có th  trao đ i thông tin có đế ồ ứ ế ể ổ ược v iớ  nhau, th c hi n tính toán c n thi t, c p nh t mùi…ự ệ ầ ế ậ ậ

Nh  các con ki n nhân t o này (v  sau cũng g i đ n gi n là ki n) Dorigoờ ế ạ ề ọ ơ ả ế  (1991) đã xây d ng h  ki n (AS) gi i bài toán ngự ệ ế ả ười chào hàng, hi u qu  c a nó soệ ả ủ  

v i các phớ ương pháp mô ph ng t  nhiên khác nh  AS, GA đã đỏ ự ư ược ki m ch ngể ứ  

b ng th c nghi m và đằ ự ệ ược phát tri n,  ng d ng phong phú v i tên g i chung làể ứ ụ ớ ọ  

I.3:  NG D NGỨ Ụ  

Thu t toán ACO đậ ượ ứ  d ng cho m tc  ng ụ ộ  s  lố ượng l n bài toán t i  u tớ ố ư ổ 

h p.ợ

Nh ng  ng d ng hi n nay c a ACO chia thành hai l p  ng d ng: ữ ứ ụ ệ ủ ớ ứ ụ

 L p   ng   d ng   th   nh t:   L p   bài   toán   t i   u   t   h p   NP­hard   choớ ứ ụ ứ ấ ớ ố ư ổ ợ  cho công nghệ cũ thường ít th c ăn. Đ c tính thành công nh tứ ặ ấ  c a  ngủ ứ  

d ng ACO t i nh ng bài toán mà ụ ớ ữ ở đó ki n k t h p v i vùng tìm ki mế ế ợ ớ ế  

đ  có cách gi i quy t t t nh t. ể ả ế ố ấ

 L p  ng d ng th  hai là bài toán tìm đớ ứ ụ ứ ường đi ng n nh t,   đó kho ngắ ấ ở ả  cách bài toán gi i quy t thay đ i   th i gian th c thi bài toán. Nh ng thayả ế ổ ở ờ ự ữ  

đ i này có th   nh hổ ể ả ưởng không đ i c a bài toán nh  đã có s n, n u  nhổ ủ ư ẵ ế ả  

hưởng b  l n l n , đ c tính đị ẫ ộ ặ ược coi nh  chi phí c nh, thay đ i theo th iư ạ ổ ờ  gian

I.4: THU T TOÁN B Y KI N  Ậ Ầ Ế  

I.4.1: G   i i thi u chung v  thu t toán b y ki n ớ ệ ề ậ ầ ế  

      Các thu t toán ki n l n đ u tiên đậ ế ầ ầ ược gi i thi u b i Dorigo và các c ng sớ ệ ở ộ ự 

nh  là cách ti p c n đa tác t  t i các v n đ  v  t i  u t  h p khó, nh  bài toánư ế ậ ử ớ ấ ề ề ố ư ổ ợ ư  

người du l ch (TSP), bài toán ngị ườ ưi đ a th  Hi n nay s  lư ệ ố ượng các  ng d ng càngứ ụ  ngày càng tăng và các nhà khoa h c đã  ng d ng nó vào r t nhi u các v n đ  t i  uọ ứ ụ ấ ề ấ ề ố ư  

r i r c. Các  ng d ng g n đây có th  k  đ n nh  các bài toán l p l ch, tô màu đờ ạ ứ ụ ầ ể ể ế ư ậ ị ồ 

th , đ nh hị ị ướng trong m ng truy n thông, v.v…ạ ề

      Các thu t toán ki n là các thu t toán d a vào s  quan sát các b y ki n th c.ậ ế ậ ự ự ầ ế ự  

Ki n là lo i cá th  s ng   b y đàn. Chúng giao ti p v i nhau thông qua mùi màế ạ ể ố ầ ế ớ  chúng đ  l i trên hành trình mà chúng  đi qua. M i ki n khi đi qua m t đo n để ạ ỗ ế ộ ạ ườ  ng

s  đ  l i trên đo n đó m t ch t mà chúng ta g i là mùi. S  lẽ ể ạ ạ ộ ấ ọ ố ượng mùi s  tăng lênẽ  khi có nhi u ki n cùng đi qua. Các con ki n khác s  tìm đề ế ế ẽ ường d a vào m t đ  mùiự ậ ộ  trên đường, m t đ  mùi càng l n thì chúng càng có xu hậ ộ ớ ướng ch n. D a vào hành viọ ự  tìm ki m này mà đàn kíên tìm đế ược đường đi ng n nh t t  t  đ n ngu n th c ăn vàắ ấ ừ ổ ế ồ ứ  sau đó quay tr  t  c a mình.ở ổ ủ

Sau đây là ví d  v  lu ng đi c a đàn ki n th c t :ụ ề ồ ủ ế ự ế

Hình 1: Mô ph ng đỏ ường đi c a b y ki nủ ầ ế

a Ki n đi theo đế ường th ng gi a A và Eẳ ữ

b Khi có chướng ng i v t ki n s  ch n hạ ậ ế ẽ ọ ướng đi, có hai hướng v i kh  năngớ ả  

ki n s  ch n là nh  nhau.ế ẽ ọ ư

c Trên đường ng n h n thì nhi u mùi (pheromone) h nắ ơ ề ơ

Hình 2: Mô ph ng kho ng cách đỏ ả ường đi c a b y ki nủ ầ ếXem hình 2a là gi i thích rõ tình hu ng trong hình 1b.ả ố

Gi  s  kho ng cách DH=BH=DB qua C và =1, C là đi m n m gi a B vàả ử ả ể ằ ữ  D(hình 2a). Bây gi  chúng ta xem xét đi u gì x y ra t i nh ng kho ng th i gian r iờ ề ả ạ ữ ả ờ ờ  

r c: t=0, 1, 2… Gi  đ nh r ng 30 con ki n m i đi t  A đ n B, 30 con t  E đ n D,ạ ả ị ằ ế ớ ừ ế ừ ế  

m i ki n di chuy n v i t c đ  m t đ n v  th i gian và khi di chuy n ki n đ  t iỗ ế ể ớ ố ộ ộ ơ ị ờ ể ế ể ạ  

th i đi m t m t v t pheromone v i n ng đ  là 1. Đ  đ n gi n chúng ta xét lờ ể ộ ệ ớ ồ ộ ể ơ ả ượ  ngpheromone bay h i hoàn toàn và liên t c trong kho ng th i gian (t+1, t+2).ơ ụ ả ờ

T i th i đi m t=0, thì không có v t mùi nào trên c nh và có 30 ki n   B, 30 ạ ờ ể ệ ạ ế ở ở 

D. Vi c l a ch n đệ ự ọ ường đi c a chúng ta ng u nhiên do đó, trung bình t  m i nút cóủ ẫ ừ ỗ  

15 con ki n s  đi đ n H và 15 con s  đi đ n C (hình 2b)ế ẽ ế ẽ ế

T i th i đi m t=1, 30 con ki n m i đi t  A đ n B, lúc này nó s  ch n hạ ờ ể ế ớ ừ ế ẽ ọ ướ  ng

đ n C ho c hế ặ ướng đ n H. T i hế ạ ướng đ n H có v t mùi 15 do 15 con ki n đi t  Bế ệ ế ừ  

đ n H, t i hế ạ ướng đ n C có v t mùi 30 do 15 ki n đi t  B đ n D và 15 con đi t  Dế ệ ế ừ ế ừ  

đ n B thông qua C (hình 2c). Do đó kh  năng ki n hế ả ế ướng đ n ch n đế ọ ường đ n C,ế  

do đó s  ki n mong mu n đi đ n C s  g p đôi s  ki n đi đ n H (20 con đ n C vàố ế ố ế ẽ ấ ố ế ế ế  

10 con đ n H). Tế ương t  nh  v y cho 30 con ki n m i đi t  D đ n B.ự ư ậ ế ớ ừ ế

Quá trình s  liên t c cho đ n khi t t c  ki n s  ch n đẽ ụ ế ấ ả ế ẽ ọ ường đi ng n nh t.ắ ấTrên đây chúng ta mô t  hành vi tìm ki m c a b y ki n th c.Sau đây , chúngả ế ủ ầ ế ự  

ta s  tìm hi u sâu h n  v  các thu t toán ki n.ẽ ể ơ ề ậ ế

Thu t toán t i  u b y ki n (ACO) nghiên c u các h  th ng  nhân t o d aậ ố ư ầ ế ứ ệ ố ạ ự  vào hành vi tìm ki m c a b y ki n th c và đế ủ ầ ế ự ượ ử ục s  d ng đ  gi i quy t các v n để ả ế ấ ề 

v  t i  u r i r c.Thu t toán b y ki n siêu tìm ki m(ACO meta_heuristic) l n đ uề ố ư ờ ạ ậ ầ ế ế ầ ầ  tiên đượ Dorigo, Di Caro và Gambardella đ  xu t vào năm 1999.c  ề ấ

Metaheuristic là m t t p các khái ni m v  thu t toán độ ậ ệ ề ậ ược s  d ng đ  xácử ụ ể  

đ nh các phị ương th c tìm ki m thích h p cho m t t p các v n đ  khác nhau. Hayứ ế ợ ộ ậ ấ ề  nói  cách khác, m t siêu tìm ki m ( meta­heuristic) có th  coi là m t phộ ế ể ộ ương th cứ  tìm ki m đa năng.ế

ACO là m t meta­heuristic, trong đó m t t p các con ki n nhân t o ph i h pộ ộ ậ ế ạ ố ợ  tìm ki m các gi i pháp t t cho các v n đ  v  t i  u r i r c. S  ph i h p là y u tế ả ố ấ ề ề ố ư ờ ạ ự ố ợ ế ố 

c i lõi c a các thu t toán ACO. Các con ki n nhân t o liên l c v i nhau thông quaố ủ ậ ế ạ ạ ớ  trung gian mà ta thường g i là mùi.ọ

Các thu t toán ACO đậ ược s  d ng đ  gi i quy t các v n đ  v  t i  u tử ụ ể ả ế ấ ề ề ố ư ổ 

h p tĩnh và đ ng. Các v n đ  tĩnh là các v n đ  mà   đó các đ c tính c a v n đ  làợ ộ ấ ề ấ ề ở ặ ủ ấ ề  không thay đ i trong su t quá trình gi i quy t v n đ  Còn các v n đ  đ ng thìổ ố ả ế ấ ề ấ ề ộ  

ngượ ạc l i là m t hàm các tham s  mà giá tr  c a nó là đ ng hay thay đ i trong quáộ ố ị ủ ộ ổ  trình gi i quy t v n đ , ví d  bài toán ngả ế ấ ề ụ ười đ a th  là m t v n đ  dynamicư ư ộ ấ ề  problem

H  th ng ACO l n đ u tiên đệ ố ầ ầ ược Marco Dorigo gi i thi u trong lu n vănớ ệ ậ  

c a mình vào năm 1992, và đủ ược g i là H  th ng ki n (Ant System, hay AS). AS làọ ệ ố ế  

k t qu  c a vi c nghiên c u trên hế ả ủ ệ ứ ướng ti p c n trí tu  máy tính nh m t i  u tế ậ ệ ằ ố ư ổ 

h p mà Dorigo đợ ược hướng d n   Politecnico di milano v i s  h p tác c a Albertoẫ ở ớ ự ợ ủ  Colorni và Vittorio Maniezzo. AS ban đ u đầ ược áp d ng cho bài toán ngụ ười du l chị  (TSP) và QAP

Cũng vào năm 1992, t i h i ngh  s  s ng nhân t o l n đ u tiên   châu Âu ,ạ ộ ị ự ố ạ ầ ầ ở  Dorigo và các c ng s  đã công b  bài: s  t i  u độ ự ố ự ố ư ược phân b  b i đàn ki n. ố ở ế

Ti p theo t i h i ngh  qu c t  th  hai v  gi i quy t các v n đ  song songế ạ ộ ị ố ế ứ ề ả ế ấ ề  trong t  nhiên   Hà Lan (1992), ông và các c ng s  đã công b  bài:  nghiên c u vự ở ộ ự ố ứ ề các đ c tính c a m t gi i thu t ki n.ặ ủ ộ ả ậ ế

K  t  năm 1995 Dorigo, Gambardella và ể ừ Stützle đã phát tri n các s  đ  ASể ơ ồ  khác nhau. Dorigo và  Gambardella đã đ  xu t H  th ng b y ki n (Ant Colonyề ấ ệ ố ầ ế  System,   hay   ACS)   trong   khi  Stützle   and   Hoos   đ   xu t   MAX­MIN   Ant   Systemề ấ  (MMAS). T t c  đ u áp d ng cho bài toán ngấ ả ề ụ ười du l ch đ i x ng hay không đ iị ố ứ ố  

x ng và cho k t qu  m  mãn. Dorigo, Gambardella and Stützle cũng đ  xu t nh ngứ ế ả ỹ ề ấ ữ  phiên b n lai c a ACO v i tìm ki m đ a ph ong.ả ủ ớ ế ị ư

Vào năm 1995, L.M. Gambardella và M. Dorigo đã đ  xu t h  th ng Ant­Q,ề ấ ệ ố  

là m t cách ti p c n hộ ế ậ ọc tăng cường cho cho bài toán TSP.Và nó được áp d ngụ  trong H c Máy.ọ

Ti p đó, vào năm 1996, trong bài báo công ngh  c a mình t i ế ệ ủ ạ Bruxelles M. Dorigo và L.M. Gambardella đã công b  h  th ng Ant Conoly System. Đây là hố ệ ố ệ 

th ng ố đ  c p đ n cách h c ph i h p áp d ng cho bài toán TSP .ề ậ ế ọ ố ợ ụ

Cũng trong năm 1996 này, T. Stützle và H. H. Hoos đã đ  xu t h t th ngề ấ ệ ố  Max­Min Ant System . Đây là m t h  th ng c i ti n h  th ng AntSystem ban đ uộ ệ ố ả ế ệ ố ầ  

và được đánh giá là h  th ng tính toán trong tệ ố ương lai

Sau đó, vào năm 1997, G. Di Caro và M. Dorigo đã đ  xu t h  th ng AntNet.ề ấ ệ ố  Đây là cách ti p c n v  đ nh hế ậ ề ị ướng s  thích nghi. Và phiên b n cu i cùng c a hự ả ố ủ ệ 

th ng AntNet v  đi u khi n m ng truy n thông đã đố ề ề ể ạ ề ược công b  vào năm 1998.ốCũng trong năm 1997, h  th ng ệ ố Rank­based Ant System, m t h  th ng c i ti nộ ệ ố ả ế  

h  th ng ki n ban đ u v  nghiên c u h  th ng tính toán đã đệ ố ế ầ ề ứ ệ ố ược đ  xu t b i ề ấ ở B. Bullnheimer, R. F. Hartl và C. Strauss. Phiên b n cu i cùng c a h  th ng này đả ố ủ ệ ố ượ  ccông b  vào năm 1999.ố

Trên đây là s  lơ ược chung v  các thu t toán ki n, m c ti p theo s  mô t  về ậ ế ụ ế ẽ ả ề 

s  đ  chung c a thu t toán ki n.ơ ồ ủ ậ ế

I.4.2: S  đ  chung c a thu t toán b y ki n  ơ ồ ủ ậ ầ ế  

       End;

trong đó: 

ĐK d ng (t c là đi u ki n d ng) là đi u ki n đ t đừ ứ ề ệ ừ ề ệ ạ ược khi thu t toán   tr ngậ ở ạ  thái k t thúc. V i bài toán ngế ớ ườ ưi đ a th  thì ĐK d ng là đi u ki n đ t đư ừ ề ệ ạ ược  khi số vòng l p c a thu t toán = s  vòng l p l n nh t do ngặ ủ ậ ố ặ ớ ấ ười dùng t  đ nh nghĩa ho c làự ị ặ  

t t c  đàn ki n đ u đi theo m t đấ ả ế ề ộ ường (t c là đứ ường đi ng n nh t).ắ ấ

ConstrucSolutions() là hàm xây d ng m t gi i pháp có th  theo phự ộ ả ể ương pháp siêu tìm ki m(meta­heuristic), v i bài toán ngế ớ ườ ưi đ a th  thì đó là hàm xây d ng chuư ự  trình cho m i ki n .ỗ ế

UpdateTrails() là hàm c p nh t mùi cho hành trình mà ki n đã đi qua.ậ ậ ế

LocalSearch() là hàm tìm ki m đ a phế ị ương, giúp tìm ra t i  u c c b  ố ư ụ ộ

Hình: S  đ  chung c a thu t toán b y ki nơ ồ ủ ậ ầ ế

T  thu t toán trên ta có th  rút ra các bừ ậ ể ước gi i quy t m t bài toán  ng d ngả ế ộ ứ ụ  

v i thu t toán đàn ki n:ớ ậ ế

Bước 1: Th  hi n bài toán trong khung c u t p các thành ph n và s  chuy nể ệ ả ậ ầ ự ể  

đ i ho c b i m t đ  th  đổ ặ ở ộ ồ ị ược đánh d u b i ki n đ  xây d ng cách gi i quy t.ấ ở ế ề ự ả ế

Bước 2: Đ nh nghĩa thích h p cho mùi l  ị ợ ạ τrs là m t xu hộ ướng quy t đ nh. Đóế ị  

là m t bộ ước ch  y u trong vi c hình thành thu t toán ACO và xác đ nh rõ mùi lủ ế ệ ậ ị ạ không là m t nhi m v  t m thộ ệ ụ ầ ường và nó tính toán yêu c u bên trong bài toán sauầ  đáp án

Bước 3: Đ nh nghĩa thích h p kinh nghi m cho m i quy t đ nh đ  m t conị ợ ệ ỗ ế ị ể ộ  

ki n có th  xây d ng cách gi i quy t, ví d : Đ nh nghĩa thông tin kinh nghi m ế ể ự ả ế ụ ị ệ n   rs

k t h p m i thành ph n ho c tr ng thái chuy n đ i. Thông tin kinh nghi m chế ợ ỗ ầ ặ ạ ể ổ ệ ủ 

y u cho vi c tìm ki m t t n u thu t toán tìm ki m vùng không có s n ho c khôngế ệ ế ố ế ậ ế ẵ ặ  

th   ng d ngể ứ ụ

Bước 4: N u th c hi n đế ự ệ ược, t o ra m t vùng thu t toán tìm ki m hi u quạ ộ ậ ế ệ ả cho bài toán sau đáp án b i vì k t qu  c a nhi u  ng d ng ACO cho bài toán t  h pở ế ả ủ ề ứ ụ ổ ợ  

t i  u NP­hard th  hi n s  tìm ki m t t nh t đ t đố ư ể ệ ự ế ố ấ ạ ược khi ACO có vùng l c quan.ạ

Bước 5: L a ch n m t thu t toán ACO và các  ng d ng nó vào nh ng bàiự ọ ộ ậ ứ ụ ữ  toán c n gi i quy t.ầ ả ế

Bước 6: Các tham s  phù h p c u thu t toán ACO. M t đi m b t đ u t tố ợ ả ậ ộ ể ắ ầ ố  cho tham s  phù h p là s  d ng cài đ t tham s  đ  tìm ki m t t khi  ng d ng thu tố ợ ử ụ ặ ố ể ế ố ứ ụ ậ  toán ACO vào bài toán đ n gi n ho c các bài toán khác nhau. M t v n đ  khác chiơ ả ặ ộ ấ ề  

ph i th i gian trong nhi m v  phù h p là đ  s  d ng th  t c đ ng cho tham s  phùố ờ ệ ụ ợ ể ử ụ ủ ụ ộ ố  

h p.ợ

Nó nên xóa đi các bước ti p đ  có th  ch  đ a ra m t hế ể ể ỉ ư ộ ướng d n s  d ngẫ ử ụ  thu t toán ACO. Thêm n a, vi c s  d ng là s  k t h p các quá trình   đó v i vàiậ ữ ệ ử ụ ự ế ợ ở ớ  bài toán sâu h n và ho t đ ng c a thu t toán, vài l a ch n ban đ u c n ph i s aơ ạ ộ ủ ậ ự ọ ầ ầ ả ử  

l i. Cu i cùng, chúng ta mu n trên th c t , đi u quan tr ng nh t c a các bạ ố ố ự ế ề ọ ấ ủ ước là 

đ u tiên ph i kh p b i vì l a ch n t i   tr ng thái này tính không th  tính v i m tầ ả ớ ở ự ọ ồ ở ạ ể ớ ộ  tham s  g c phù h p t t.ố ố ợ ố