Thông tin tài liệu
TRƢỜNG ĐẠI HỌC VINH 004.01 KHOA CÔNG NGHỆ THÔNG TIN ĐẬU MẠNH HÙNG BÁO CÁO ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC Tên đồ án: Tìm hiểu thuật tốn Ant Colony cài đặt tốn tìm đƣờng ngắn đồ thị Nghệ An, tháng 12 năm 2014 TRƢỜNG ĐẠI HỌC VINH KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC Tên đồ án: Tìm hiểu thuật tốn Ant Colony cài đặt tốn tìm đƣờng ngắn đồ thị Sinh viên thực hiện: Đậu Mạnh Hùng – 1051070389 Lớp: 51k1 - CNTT Giáo viên hướng dẫn: TS Hoàng Hữu Việt Nghệ An, tháng 12 năm 2014 LỜI CẢM ƠN Trong thời gian làm đồ án tốt nghiệp, em nhận đƣợc nhiều giúp đỡ, đóng góp ý kiến bảo nhiệt tình thầy cơ, gia đình bạn bè Trên thực tế khơng có thành cơng mà khơng gắn liền với hỗ trợ, giúp đỡ dù hay nhiều, dù trực tiếp hay gián tiếp ngƣời khác Với lòng biết ơn sâu sắc nhất, em xin gửi đến quý thầy cô khoa Công nghệ thông tin – Trƣờng Đại học Vinh dạy dỗ truyền đạt cho em kiến thức môn đại cƣơng nhƣ môn chuyên ngành, giúp em có đƣợc sở lý thuyết vững tạo điều kiện giúp đỡ em suốt trình học tập Đồng thời em gửi lời cảm ơn đặc biệt hƣỡng dẫn tận tình thầy Hồng Hữu Việt tận tình hƣỡng dẫn, giúp đỡ em suốt q trình hồn thành đề tài Nếu khơng có lời hƣớng dẫn, dạy bảo thầy đề tài em khó hồn thiện đƣợc Một lần em xin chân thành cảm ơn thầy Tuy thời gian có hạn, nhƣ kinh nghiệm hạn chế nên đề tài khơng tránh đƣợc thiếu sót, hạn chế định Vì vậy, em mong nhận đƣợc bảo, đóng góp ý kiến thầy để em có điều kiện hồn thiện, bổ sung, nâng cao kiến thức mình, phục vụ tốt cho công tác thực tế sau Cuối cùng, em xin kính chúc q thầy mơn Kỹ thuật máy tính thật dồi sức khỏe, niềm tin để tiếp tục thực sứ mệnh cao đẹp truyền đạt kiến thức cho hệ mai sau LỜI NĨI ĐẦU Hiện tốn tìm kiếm đƣợc xem toán đƣợc nhiều ngƣời quan tâm, đặc biệt tìm kiếm tối ƣu hóa tồn cục Nhiều phƣơng pháp mẻ đƣợc đƣa đạt hiểu cao Một thuật toán đƣợc xem lý thuyết vững việc giải tốn tìm kiếm tối ƣu tồn cục nhƣ: tìm kiếm trang web càn tìm mạng, kế hoạch xếp thời khóa biểu cho y tá bệnh viện, tìm kiếm đƣờng tối ƣu cho ngƣời lái xe hơi, toán ngƣời du lịch, thuật tốn tối ƣu hóa đàn kiến (Ant Colony Optimization - ACO) ACO phƣơng pháp metaheuristic đƣợc nhiều ngƣời quan tâm Thuật toán ACO (1991) mang lại nhiều ý tƣởng cảm hứng với mục đích cải tiến thuật tốn ACO để áp dụng cho nhiều tốn khác Phƣơng pháp tối ƣu hóa đán kiến (Ant Colony Optimization – ACO) phƣơng pháp mà ngày ngƣời ta quan tâm hiệu nội trội so với phƣơng pháp khác giải tốn tối ƣu hóa tổ hợp (Combinatorial optimization problems) Đề tài trình bày cách khái quát thuật toán ACO kiểm chứng phƣơng pháp áp dụng ACO việc giải toán tìm đƣờng ngắn đồ thị Đồng thời đề tài nhƣợc điểm thuật toán đề xuất số cải tiến cho thuật toán nhằm nâng cao hiệu giải toán lớn MỤC LỤC LỜI CẢM ƠN Error! Bookmark not defined LỜI NÓI ĐẦU MỤC LỤC DANH MỤC TÓM TẮT CHƢƠNG TỔNG QUAN VỀ PHƢƠNG PHÁP ACO 1.1 Giới thiệu 1.2 Tƣ tƣởng thuật toán 1.3 Hoàn cảnh đời lịch phát triển 1.3.1 Hoàn cảnh đời 1.3.1 Quá trình phát triển 1.4 Một số thuật toán ACO 1.4.1 Thuật toán Ant System (AS) 1.4.2 Thuật toán Ant Colony System (ACS) 1.4.3 Thuật toán Max-Min Ant System (MMAS) 12 1.5 Các nguyên tắc áp dụng tối ƣu hóa đàn kiến ACO 13 1.5.1 Số lƣợng kiến 14 1.5.2 Xác định vệt mùi 14 1.5.3 Các thông tin heuristic 14 1.5.4 Kết hợp tìm kiếm địa phƣơng 15 1.5.5 Điều chỉnh học tăng cƣờng khám phá 16 1.5.6 Sử dụng giới hạn danh sách láng giềng 17 1.6 Các ứng dụng thuật toán ACO 17 CHƢƠNG TỔNG QUAN VỀ BÀI TOÁN DU LỊCH (TSP) 18 2.1 Giới thiệu toán ngƣời du lịch (TSP) 18 2.2 Lịch sử toán TSP 18 2.3 Mơ tả tốn 20 2.4 Các thuật toán giải toán TSP 21 2.4.1 Thuật giải xác 21 2.4.2 Thuật giải gần heuristic 21 2.4.3 Thuật toán láng giềng gần 22 2.4.4 Thuật tốn tìm kiếm cục 22 2.4.5 Thuật toán nhánh cận 23 2.4.6 Thuật toán di truyền 23 Ứng dụng thuật toán ACO 24 2.5 CHƢƠNG 3: ÁP DỤNG THUẬT TOÁN ACO VÀO GIẢI BÀI TỐN DU LỊCH 26 3.1 Phân tích chức 26 3.2 Xây dựng thuật toán 27 CHƢƠNG KẾT QUẢ 30 4.1 Giao diện chƣơng trình 30 4.2 Các ví dụ chạy cho chƣơng trình 30 KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN 37 Kết đạt đƣợc 37 Hạn chế đề tài 37 Hƣớng phát triển đề tài 38 TÀI LIỆU THAM KHẢO 40 DANH MỤC TÓM TẮT STT Từ viết tắt Từ cụm từ Ant Colony Optimizatiopn ACO (Tối ƣu hóa đàn kiến) Ant System AS (Hệ kiến AS) Ant Colony System ACS (Hệ kiến ACS) Max-Min Ant System MMAS (Hệ kiến MMAS) Travelling Salesman Problem TSP (Bài toán ngƣời du lịch) Đồ án tốt nghiệp đại học CHƢƠNG TỔNG QUAN VỀ PHƢƠNG PHÁP ACO Bài tốn tối ƣu hóa tổ hợp tốn hấp dẫn thú vị phần lớn chúng dễ để hình dung nhƣng khó mà tìm lời giải cho chúng Nhiều toán tối ƣu tổ hợp tốn NP-khó chúng khơng thể giải đƣợc thời gian đa thức Trên thực tế ngƣời ta thƣờng giải toán phƣơng pháp xấp xỉ, chúng có nghiệm gần tối ƣu thời gian chạy ngắn Các thuật toán tạm gọi thuật toán heuristic, chúng đƣợc dụng để giải toán củ thể Mở rộng chúng thuật tốn metaheuristic giải đƣợc lớp toán rộng lớn ACO phƣơng pháp tiếp cận theo nhƣ 1.1 Giới thiệu Phƣơng pháp tối ƣu hóa đàn kiến (Ant Colony Optimization - ACO) mơ hình để thiết kế thuật toán metaheuristic cho việc giải tốn tối ƣu hóa tổ hợp (Combinatorial optimization problems) Bài tốn tối ƣu hóa tổ hợp Bài tốn tối ƣu hóa tổ hợp đƣợc định nghĩa nhƣ sau: Cho tập C = { } Một tập S C phƣơng pháp để giải toán Tập ﬤF tập tất phƣơng án có thể, S phƣơng án khả thi S € F Một hàm giá trị z xác định nhƣ sau, z : thi S* có giá trị nhỏ nhất: S* R , mục tiêu tìm phƣơng án khả F z(S*) ≤ z(S) S F Nhiều toán tối ƣu quan trọng lý thuyết thực tế toán thuộc loại tối ƣu hóa tổ hợp Ví dụ nhƣ tốn tìm đƣờng ngắn nhất, nhƣ nhiều tốn có ý nghĩa quan trọng khác thực tế nhƣ tốn ngƣời chào hàng, tốn phân cơng lao động, toán định tuyến mạng, toán lập lịch cơng việc, tốn lập lịch bay cho hãng hàng khơng, nhiều tốn khác Một tốn tối ƣu hóa tổ hợp thuộc loại tìm giá trị nhỏ thuộc loại tìm giá trị lớn Các phƣơng pháp giải toán phần lớn phƣơng pháp tìm kiếm heuristic (các thuật toán metaheuristic) Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT Đồ án tốt nghiệp đại học Metaheuristic Metaheuristic tập lý thuyết thuật toán đƣợc dùng để xác định phƣơng pháp heuristic cho phù hợp với tốn rộng lớn Nói cách khác metaheuristic đƣợc xem nhƣ phƣơng pháp heuristic có tính tổng qt, đƣợc thiết kế để hƣỡng dẫn heuristic toán hƣớng miền hứa hẹn không gian tìm kiếm phƣơng án tối ƣu Một metaheuristic khung thuật tốn tổng qt áp dụng cho nhiều loại toán tối ƣu khác tất nhiên với điều chỉnh để làm cho chúng trở nên phù hợp với toán củ thể 1.2 Tƣ tƣởng thuật toán Thuật toán kiến đƣợc đời phát triển xuất phát từ hành vi đàn kiến tự nhiên nguồn cảm hứng cho thiết kế thuật toán cho giải pháp tối ƣu hóa vấn đề điều khiển phân tán Đàn kiến tự nhiên: loại có tổ chức cao, kiến di chuyển để lại lƣợng thông tin mùi mặt đất Đây phƣơng tiện để đánh dấu để đàn kiến trao đổi thơng tin tìm kiếm thức ăn Khi tìm kiếm thức ăn, kiến tìm đƣờng từ tổ tới nguồn thức ăn, chúng giao tiếp trao đổi thông tin với nhau, sau thời gian đàn kiến gần nhƣ tìm theo đƣờng ngắn từ tổ kiến tới thức ăn Sau nghiên cứu cho thấy chế hoạt động đàn kiến tự nhiên trình tìm đƣờng ngắn từ tổ tới nguồn thức ăn dựa nguyên tắc sau: - Đƣờng ngắn đƣợc xác định thông qua thông tin vệt mùi, loại hóa chất mà kiến dùng để trao đổi thông tin với - Khi di chuyển kiến để lại lƣợng vệt mùi đƣờng mà qua - Trong trình di chuyển tìm đƣờng kiến đƣợc định hƣớng thông tin vệt mùi đƣợc để lại đƣờng - Mỗi kiến di chuyển ngẫu nhiên khơng có thông tin vệt mùi đoạn đƣờng - Các đƣờng có lƣợng vệt mùi lớn xác suất lựa chọn cao, ngƣợc lại đoạn đƣờng có lƣợng vệt mùi thấp xác suất đƣợc chọn bé Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT Đồ án tốt nghiệp đại học Từ việc nghiên cứu chế hoạt động đàn kiến tự nhiên cho đời thuật toán đàn kiến Một cách khơng thức nói thuật tốn đàn kiến đàn kiến nhân tạo để giải toán đƣa Đàn kiến nhân tạo: Để bắt chƣớc hành vi kiến thực, Dorigo xây dựng kiến nhân tạo có đặc trƣng sản sinh vệt mùi để lại đƣờng khả lần vết theo nồng độ mùi để lựa chọn đƣờng có nồng độ mùi cao để Với toán ngƣời du lịch đồ thị không gian hai chiều với trọng số khoảng cách hai đỉnh bất kỳ, Dorigo gắn với cạnh (i, j) trọng số dij nồng độ vệt mùi cạnh Đàn kiến nhân tạo mô hoạt động đàn kiến tự nhiên có số thay đổi, điều chỉnh so với đàn kiến tự nhiên để tăng tính hiệu thuật tốn Các tính chất đàn kiến nhân tạo nhƣ sau: - Ngồi thơng tin vệt mùi đàn kiến nhân tạo cịn sử dụng thơng tin heuristic xây dựng luật di chuyển chúng - Kiến nhân tạo có nhớ để lƣu thơng tin kiến nhằm mục đích xác định hành trình qua để tính tốn độ dài hành trình - Lƣợng mùi đƣợc thêm vào kiến nhân tạo hàm chất lƣợng lời giải mà chúng tìm đƣợc Kiến nhân tạo thƣờng thực tăng lƣợng thơng tin mùi sau hồn thành lời giải - Kiến nhân tạo sử dụng chế bay mùi để tránh bế tắc toán tối ƣu cục Thí nghiệm cầu đơi Hành vi tìm thức ăn kiến dựa giao tiếp gián tiếp qua vệt mùi (chất pheromone) Khi di chuyển từ nguồn thức ăn trở tổ kiến lại để lại mùi mặt đất, kiến cảm nhận đƣợc mùi chúng có khuynh hƣớng chọn theo xác suất đƣờng mà đánh dấu tập trung nhiều mùi Một số nghiên cứu để tìm hiểu hành vi lồi kiến đƣợc tiến hành mà nghiệm tiếng nghiệm Deneubourg cộng ơng năm 1989, thí nghiệm sở lý thuyết tạo ý tƣởng thuật toán ACO mà Dorogi đƣa sau Ơng dụng cầu đơi nối tổ lồi kiến với nguồn thức ăn Ơng thực thí nghiệm nhiều lần thay đổi tỉ số r độ dài nhánh cầu Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT Đồ án tốt nghiệp đại học CHƢƠNG 3: ÁP DỤNG THUẬT TOÁN ACO VÀO GIẢI BÀI TOÁN DU LỊCH 3.1 Phân tích chức Từ việc phân tích yêu cầu tốn, chƣơng trình cần xây dựng có chức sau: khởi tạo tham số đầu vào, đọc ma trận trọng số đồ thị, khởi tạo kiến, khởi tạo vệt mùi; xác định thành phố để đi; xây dựng hành trình; cập nhật kiến; cập nhật vệt mùi; xuất kết giao diện chƣơng trình a Khởi tạo tham số đầu vào Khởi tạo tham số đầu vào bao gồm: - Khởi tạo tham số anphal, betal,số bƣớc lặp,số lƣợng kiến - Đọc liệu từ tập tin ma trận trọng số - Khởi tạo kiến ngẫu nhiên đƣờng - Khởi tạo vệt mùi đƣờng b Xác định thành phố để - Tại thành phố, kiến cần xác định thành phố để hành trình c Xây dựng hành trình - Từ thành phố qua, đánh dấu lại tất thành phố thăm xây dựng hành trình từ thành phố bắt đầu đến thành phố kết thúc d Cập nhập kiến - Sau vòng lặp, kiến tìm đƣợc hành trình, kiến cần lƣu lại hành trình tìm đƣợc Việc cập nhật kiến sau vịng lặp, cần cập nhật lại hành trình cho kiến e Cập nhập mùi - Sau kiến hồn thành xong hành trình vịng lặp, kiến để lại vệt mùi đƣờng mà kiến qua Việc cập nhật vệt mùi cập nhật lại vệt mùi đƣờng hành trình mà kiến qua Cập nhật vệt mùi bao gồm tăng lƣợng mùi kiến để lại giảm lƣợng mùi bay f Xuất kết Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 26 Đồ án tốt nghiệp đại học - Sau số bƣớc lặp xác định, trình lặp tìm kiếm hành trình tối ƣu kiến dừng lại, sau xuất kết lên giao diện chƣơng trình 3.2 Xây dựng thuật tốn Áp dụng thuật toán kiến vào toán du lịch (TSP) với thông số kiến nhƣ sau: - m: số lƣợng kiến : nồng độ vệt mùi - - : tham số bay nằm khoảng (0, 1) - : xác suất kiến k lựa chọn cạnh (i, j) - : hệ số điều chỉnh ảnh hƣởng : thơng tin heuristic giúp đánh giá xác lựa chọn kiến từ đỉnh i - tới đỉnh j - : hệ số điều chỉnh ảnh hƣởng : tập đỉnh láng giềng i mà kiến k chƣa qua - : lƣợng pheromone mà kiến k đặt lên cạnh mà qua - - NC : số bƣớc lặp thuật toán - : đƣờng kiến k (tập đỉnh mà kiến qua) - : nhập giá trị True, False tƣơng ứng với kiến k thăm chƣa qua đỉnh i 3.2.1 Các bƣớc xây dựng thuật toán nhƣ sau: - Đầu vào: Đồ thị G=(V, E), với tập đỉnh V tập cạnh E, ma trận trọng số D= d[i,j], với i,j V Số lƣợng kiến m - Đầu ra: đƣờng S với khoảng cách ngắn - Các bƣớc: Bƣớc 1: khởi tạo Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 27 Đồ án tốt nghiệp đại học , số lƣợng kiến m số đỉnh n Khởi tạo tham số NC, Khởi tạo độ dài đƣờng ngắn Tính độ dài đƣờng ngắn ⁄ Tính giá trị số ⁄ Gán điều kiện kết thúc stop :=1 Thiết lập ma trận pheromone tất cạnh For i:= to n For j :=1 to n Bƣớc 2: Xây dựng đƣờng kiến Trƣờng hợp hoàn thành xong tất bƣớc lặp: Stop > NC xuất đƣờng ngắn kết thúc 2.1 Thiết lập đỉnh kiến chƣa qua nhận giá trị false For k:= to m For i:= to n Thiết lặp đƣờng kiến 2.2 Chọn ngẫu nhiên vị trí xuất phát kiến For k:=1 to m For i:=1 to n r random{1 n} Bổ sung r vào đƣờng Gán độ dài đƣờng 2.3 Xác định đỉnh đến kiến k - Chọn ngẫu nhiên đỉnh u chƣa đƣợc qua tập láng giềng r theo công thức sau: Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 28 Đồ án tốt nghiệp đại học - Chọn đỉnh u đinh tiếp theo, bổ sung u vào - Tăng độ dài đƣờng - Gán Bƣớc Xác định đƣờng ngắn Ta có độ dài đƣờng kiến k với k=[1 m] thu đƣợc từ bƣớc Nếu hiệu chỉnh Bƣớc Cập nhập thơng tin mùi Tại bƣớc này, cập nhập thông tin mùi đƣờng kiến k có giá trị nhỏ thu đƣợc từ bƣớc 3, tức giá trị 4.1 Bay thông tin mùi cạnh For i:= to n For j:=i to n 4.2 thêm thông tin mùi cạnh thuộc đƣờng tốt Tính giá trị pheromone Nếu cạnh Kiểm tra thơng tin pheromone với cận cận dƣới Nếu Nếu Tăng giá trị Stop := Stop + Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 29 Đồ án tốt nghiệp đại học CHƢƠNG KẾT QUẢ 4.1 Giao diện chƣơng trình Tham số đầu vào gồm giá trị anphal, betal, số lƣợng kiến, số bƣớc lặp thuật toán, tham số bay vệt mùi Sau ta chọn giá trị phù hợp với tốn ta chọn hình thức lấy liệu Có loại lấy từ tệp có sẵn ta chọn hình thức nhập ngẫu nhiên Sau chọn xong ta chọn nút hoàn thành nhập tiếp đến chọn nút chạy chƣơng trình Sau chạy xong chƣơng trình ta thu đƣợc đƣờng có độ dài ngắn Muốn so sánh với kết giải thuật khác ta nháy vào nút so sánh kết Ta thu đƣợc kết khác từ giải thuật khác Sau chạy xong ta chƣơng trình muốn thực lại tốn khác ta chọn nút xóa liệu thực lại chƣơng trình nhƣ ban đầu 4.2 Các ví dụ chạy cho chƣơng trình 4.2.1 Thực thuật toán với ma trận trọng số đọc từ tập tin a Cho đồ thị ma trận trọng số tập tin: “vd1” Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 30 Đồ án tốt nghiệp đại học - Kết thực thu đƣợc với tham số đầu vào nhƣ sau: - So sánh kết với giải thuật khác Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 31 Đồ án tốt nghiệp đại học b Cho đồ thị ma trận trọng số tập tin: “vd2” - Kết thu đƣợc thuật toán kiến với tham số đầu vào nhƣ sau: - So sánh kết với giải thuật tham lam: Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 32 Đồ án tốt nghiệp đại học c Cho đồ thị ma trận trọng số tập tin: “vd3” - Kết thu đƣợc là: - So sánh kết với giải thuật khác: Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 33 Đồ án tốt nghiệp đại học 4.2.2 Thực thuật toán với ma trận trọng số đƣợc phát sinh ngẫu nhiên a Cho ma trận đồ thị trọng số ngẫu nhiên nhƣ sau: - Kết thu đƣợc chạy chƣơng trình với tham số đầu vào: - Kết giải thuật tham lam: Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 34 Đồ án tốt nghiệp đại học b Cho ma trận đồ thị trọng số ngẫu nhiên nhƣ sau: - Kết thu đƣợc chạy chƣơng trình Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 35 Đồ án tốt nghiệp đại học - Kết thu đƣợc từ giải thuật khác Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 36 Đồ án tốt nghiệp đại học KẾT LUẬN VÀ HƢỚNG PHÁT TRIỂN Kết đạt đƣợc Trong thời gian nghiên cứu, tìm hiểu thuật toán Ant Colony Optimizations (Thuật toán đàn kiến – ACO) để giải toán ngƣời du lịch, đề tài đạt đƣợc số kết sau: Về mặt lý thuyết: - Lý thuyết tối ƣu hóa tổ hợp, toán tối ƣu hóa tổ hợp - Nghiên cứu tìm hiểu thuật tốn đàn kiến, đời phiên thuật tốn tập thuật tốn tối ƣu hóa đàn kiến, nâng cao hiệu thuật toán đàn kiến, ứng dụng - Nghiên cứu, tìm hiểu nội dung, lịch sự, mơ tả tốn ngƣời du lích - Nghiên cứu tìm hiểu phƣơng pháp giải toán ngƣời du lịch: thuật toán kiến, thuật tốn tham lam - Từ rút nhƣợc điểm, hạn chế thuật toán việc giải toán du lịch - So sánh thuật toán kiến với thuật toán tham lam Về thực nghiệm: - Đề tài áp dụng thuật toán tối ƣu hóa đàn kiến ACO để giải tốn ngƣời du lịch so sánh kết đạt đƣợc với giải thuật tham lam - Mơ hình giải tốn đơn giản, dẽ cài đặt, thích hợp khơng cần đòi hỏi nhiều phần cứng máy Lập trình đơn giản, ngắn gọn, áp dụng đƣợc cho nhiều liệu lớn - Thực nghiệm tìm đƣờng tối ƣu toán ngƣời du lịch áp dụng cho nhiều nguồn liệu khác nhau: liệu ngẫu nhiên, liệu từ tập tin chứa đồ thị trọng số đỉnh Kết giải toán ngƣời du lịch thuật tốn tối ƣu hóa đàn kiến cho ta thấy kết tốt so với thuật toán tham lam - Thực nghiệm tìm đƣờng ngắn toán ngƣời du lịch thuật toán tối ƣu hóa đàn kiến Từ đánh giá hiệu thuật toán đàn kiến thuật toán tham lam Hạn chế đề tài Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 37 Đồ án tốt nghiệp đại học Tuy nhiên chƣơng trình cịn tồn số hạn chế nhƣ: Về lý thuyết: - Chƣa áp dụng đƣợc số kỹ thuật đƣợc giới thiệu gần để cải tiến thuật toán kiến: kết hợp thuậ toán di truyền vào thuật toán đàn kiến, áp dụng kỹ thuật tìm kiếm nâng cao vào thuật tốn chƣơng trình để cải thiện thời gian tìm kiếm - Đề tài tập trung nghiên cứu thuật toán đàn kiến mà chƣa tìm hiểu nghiên cứu thuật tốn khác (nhƣ thuật toán đàn ong) để đƣa kết so sánh đánh giá Về thực nghiệm: - Chƣơng trình cịn tính chất mơ chƣa phải ứng dụng củ thể - Chƣơng trình cịn chƣa thử nghiệm liệu lớn hàng trăm đỉnh - Trong thuật tốn cịn chƣa áp dụng số kỹ thuật đƣợc giới thiệu gần để cải tiến toán: kết hợp thuật toán di truyền vào thuật tốn đàn kiến, áp dụng kỹ thuật tìm kiếm nâng cao vào thuật tốn chƣơng trình để cải tiến thời gian tìm kiếm Hƣớng phát triển đề tài Từ kết nghiên cứu lý thuyết thực tiễn, đề tài cần tiếp tục phát triển hoàn thiện nghiên cứu nhƣ sau: - Tiếp tục nghiên cứu thêm thuật toán khác lớp thuật toán kiến (ACO) cải tiến thuật toán kiến để áp dụng cho tốn tối ƣu hóa tổ hợp phức tạp khác - Nghiên cứu thêm thuật toán tìm kiếm khác áp dụng vào thuật tốn tối ƣu hóa đàn kiến để giải tốn ngƣời du lịch Từ rút nhận xét, đánh giá tính hiệu việc kết hợp thuật tốn tìm kiềm cục với thuật toán kiến - Nghiên cứu thuật tốn tối ƣu hóa đàn kiến cách kết hợp với thuật toán di truyền để nâng cao hiệu suất mặt thời gian thực thi thuật toán nhƣ kết tối ƣu tìm đƣợc - Nghiên cứu thuật tốn tối ƣu hóa đàn kiến (ACO) vào tốn tối ƣu hóa tổ hợp phức tạp khác - Cài đặt thuật tốn tìm kiếm cục bộ, thuật toán kiến kết hợp với thuật toán di truyền để tiến hành thực nghiệm đánh giá, so sánh hiệu thuật toán với Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 38 Đồ án tốt nghiệp đại học Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 39 Đồ án tốt nghiệp đại học TÀI LIỆU THAM KHẢO Tiếng Việt [1] Nguyễn Thị Thúy Hoài, Thuật giải di truyền ứng dụng, Tuyển tập Báo cáo “Hội nghị Sinh viên Nghiên cứu Khoa học” lần thứ Đại học Đà Nẵng, 2008 [2] Lê Minh Hoàng, Giải thuật lập trình, Đại học sƣ phạm Hà Nội, 1999-2000 [3] Từ Minh Phƣơng, Bài giảng nhập môn trí tuệ nhân t o,Học viện bƣu viễn thơng Hà Nội, 2010 [4] Nguyễn Đức Nghĩa, Nguyễn Tô Thành, Giáo trình tốn rời r c, Nhà xuất Đại học quốc gia Hà Nội, 1997 [5] Đặng Ngọc Hoàng Thành, Giáo trình tốn rời r c, Huế, 2001 Tiếng Anh [6] Thomas STUTZLE and Marco DORIGO, ACO Algorithms for the Traveling Salesman Problem [7] David S Johnson, Lyle A McGeoch, The Traveling Salesman Problem: A Case Study in Local Optimization [8] M Dorigo (1992), Optimization, learning, and natural algorithms [9] M Dorigo, G Di Caro (1999)., The ant colony optimization meta-heuristic [10] M Dorigo, G Di Caro, L.M Gambardella (1999), Ant algorithms for distributed discrete optimization [11] L.M Gambardella, M Dorigo (1996), Solving symmetric and asymmetric TSPs by ant colonies [12] Krishna H Hingrajiya, Ravindra Kumar Gupta, Gajendra Singh Chandel (2012), An Ant Colony Optimization Algorithm for Solving Travelling Salesman Problem [13] Er Sarbjeet Kaur (2013), Shortest Path Finding Algorithm Using Ant Colony Optimization [14] Cormen, Leiserson, Rivest (1990), Introduction to Algorithms, Greedy Algorithms [15] Denis Darquennes (2004-2005), Implementation and Applications of Ant Colony Algorithms Đậu Mạnh Hùng – Lớp 51k1 – Khoa CNTT 40 ... Nghiên cứu tìm hiểu phƣơng pháp giải tốn ngƣời du lịch: thuật toán kiến, thuật toán tham lam - Từ rút nhƣợc đi? ??m, hạn chế thuật toán việc giải toán du lịch - So sánh thuật toán kiến với thuật toán. .. KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO ĐỒ ÁN TỐT NGHIỆP ĐẠI HỌC Tên đồ án: Tìm hiểu thuật tốn Ant Colony cài đặt tốn tìm đƣờng ngắn đồ thị Sinh viên thực hiện: Đậu Mạnh Hùng – 1051070389... đơn đi? ??u có q kiến Số lƣợng kiến phụ thuộc vào thuật tốn cài đặt phục thuộc vào kích thƣớc toán cần giải Chẳng hạn với thuật toán AS ngƣời ta chọ số kiến số đỉnh Với thuật toán MMAS với toán
Ngày đăng: 27/08/2021, 11:16
Xem thêm:
