MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

66 34 0
MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

Ngày đăng: 18/11/2021, 07:07

Hình ảnh liên quan

Bài toán TSP có thể được mô hình hóa bằng một đồ thị, trong đó các đỉnh của đồ thị tương ứng với các thành phố, các cạnh tương ứng với đường đi giữa các thành phố, khoảng  cách giữa các thành phố là trọng số tương ứng của các cạnh nối chúng - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

i.

toán TSP có thể được mô hình hóa bằng một đồ thị, trong đó các đỉnh của đồ thị tương ứng với các thành phố, các cạnh tương ứng với đường đi giữa các thành phố, khoảng cách giữa các thành phố là trọng số tương ứng của các cạnh nối chúng Xem tại trang 12 của tài liệu.
Hình 1.2 Mô phỏng bài toán VRP. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 1.2.

Mô phỏng bài toán VRP Xem tại trang 13 của tài liệu.
Hình 1.3 Mô phỏng bài toán CVRP. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 1.3.

Mô phỏng bài toán CVRP Xem tại trang 15 của tài liệu.
Bảng 1.1 Các biến thể của bài toán VRP phân chia theo đặc điểm đội xe. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Bảng 1.1.

Các biến thể của bài toán VRP phân chia theo đặc điểm đội xe Xem tại trang 17 của tài liệu.
Hình 2.1 Ví dụ về hoạt động của đàn kiến trong thực tế. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 2.1.

Ví dụ về hoạt động của đàn kiến trong thực tế Xem tại trang 23 của tài liệu.
Hình 2.2 Ví dụ về hoạt động của đàn kiến nhân tạo. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 2.2.

Ví dụ về hoạt động của đàn kiến nhân tạo Xem tại trang 24 của tài liệu.
Hình 2.3 Đồ thị cấu trúc tổng quát cho bài toán cực trị hàm  - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 2.3.

Đồ thị cấu trúc tổng quát cho bài toán cực trị hàm Xem tại trang 26 của tài liệu.
Các bước thực hiện của thuật toán ACO được đặc tả như trong hình 2.4. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

c.

bước thực hiện của thuật toán ACO được đặc tả như trong hình 2.4 Xem tại trang 28 của tài liệu.
Hình 3.1 Minh họa các yêu cầu R1 và R6 thuộc tuyến đường của xe k. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 3.1.

Minh họa các yêu cầu R1 và R6 thuộc tuyến đường của xe k Xem tại trang 39 của tài liệu.
Hình 3.2 Đồ thị cấu trúc cho bài toán MPDPTW. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 3.2.

Đồ thị cấu trúc cho bài toán MPDPTW Xem tại trang 42 của tài liệu.
Hình 3.3 Mô tả thuật toán T1 - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 3.3.

Mô tả thuật toán T1 Xem tại trang 45 của tài liệu.
Hình 3.4 Mô tả thuật toán T2 - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 3.4.

Mô tả thuật toán T2 Xem tại trang 46 của tài liệu.
Hình 3.5 Mô tả quá trình tìm kiếm cục bộ - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 3.5.

Mô tả quá trình tìm kiếm cục bộ Xem tại trang 46 của tài liệu.
Hình 4.1 dưới đây sẽ trình bày các bộ dữ liệu được xác định theo các đặc điểm: - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 4.1.

dưới đây sẽ trình bày các bộ dữ liệu được xác định theo các đặc điểm: Xem tại trang 51 của tài liệu.
Hình 4.2 Mô tả dữ liệu đầu vào. - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 4.2.

Mô tả dữ liệu đầu vào Xem tại trang 52 của tài liệu.
VD: Hình 4.2 và Hình 4.3 mô tả dữ liệu đầu vào và kết quả đầu ra tương ứng của một trường hợp kiểm tra của chúng tôi với bộ dữ liệu L_4_25  - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 4.2.

và Hình 4.3 mô tả dữ liệu đầu vào và kết quả đầu ra tương ứng của một trường hợp kiểm tra của chúng tôi với bộ dữ liệu L_4_25 Xem tại trang 52 của tài liệu.
Bộ dữ liệu trong hình 4.2 bao gồm: - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

d.

ữ liệu trong hình 4.2 bao gồm: Xem tại trang 53 của tài liệu.
Bảng 4.1 dưới đây là kết quả chúng tôi thống kê được khi tiến hành chạy thực nghiệm với 24 bộ dữ liệu chuẩn - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Bảng 4.1.

dưới đây là kết quả chúng tôi thống kê được khi tiến hành chạy thực nghiệm với 24 bộ dữ liệu chuẩn Xem tại trang 54 của tài liệu.
Bảng 4.2 so sánh kết quả giữa ACO là lời giải tối ưu của thuật toán được chúng tôi cài đặt và CPLEX [4] là lời giải tối ưu của bài toán được lập trình trên mô hình toán học đã  xây dựng ở chương 3 phần 3.1.2 - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Bảng 4.2.

so sánh kết quả giữa ACO là lời giải tối ưu của thuật toán được chúng tôi cài đặt và CPLEX [4] là lời giải tối ưu của bài toán được lập trình trên mô hình toán học đã xây dựng ở chương 3 phần 3.1.2 Xem tại trang 55 của tài liệu.
Nhận xét: Từ kết quả ở bảng 4.1 chúng tôi quan sát thấy rằng, đối với trường hợp bộ dữ liệu có cùng kích thước thì bộ dữ liệu thuộc loại yêu cầu dài (có tối đa 8 nút trong một  yêu cầu) sẽ dễ dàng giải quyết hơn bộ dữ liệu thuộc loại yêu cầu ngắn (có tối - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

h.

ận xét: Từ kết quả ở bảng 4.1 chúng tôi quan sát thấy rằng, đối với trường hợp bộ dữ liệu có cùng kích thước thì bộ dữ liệu thuộc loại yêu cầu dài (có tối đa 8 nút trong một yêu cầu) sẽ dễ dàng giải quyết hơn bộ dữ liệu thuộc loại yêu cầu ngắn (có tối Xem tại trang 55 của tài liệu.
Nhận xét: Dựa vào kết quả thực nghiệ mở bảng 4.2, dễ dàng nhận thấy rằng các bộ dữ liệu thử nghiệm có thời gian cửa sổ ở mức bình thường có độ sai số là không đáng kể,  sai số cao nhất chiếm 1.13% ở bộ dữ liệu N_4_100 - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

h.

ận xét: Dựa vào kết quả thực nghiệ mở bảng 4.2, dễ dàng nhận thấy rằng các bộ dữ liệu thử nghiệm có thời gian cửa sổ ở mức bình thường có độ sai số là không đáng kể, sai số cao nhất chiếm 1.13% ở bộ dữ liệu N_4_100 Xem tại trang 56 của tài liệu.
Bảng 4.3 so sánh kết quả của các bộ dữ liệu đầu vào kích thước lớn gồm 100 và 400 nút khi chạy cùng vòng lặp giữa thuật toán ACO sử dụng quy tắc cập nhật mùi SMMAS do  chúng tôi cài đặt và thuật toán ACO sử dụng quy tắc cập nhật mùi MMAS được lấy từ  đườn - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Bảng 4.3.

so sánh kết quả của các bộ dữ liệu đầu vào kích thước lớn gồm 100 và 400 nút khi chạy cùng vòng lặp giữa thuật toán ACO sử dụng quy tắc cập nhật mùi SMMAS do chúng tôi cài đặt và thuật toán ACO sử dụng quy tắc cập nhật mùi MMAS được lấy từ đườn Xem tại trang 57 của tài liệu.
Bảng 4.4 so sánh kết quả của các bộ dữ liệu đầu vào kích thước lớn gồm 100 và 400 nút khi chạy cùng thời gian giữa thuật toán ACO sử dụng quy tắc cập nhật mùi SMMAS  và thuật toán ACO sử dụng quy tắc cập nhật mùi MMAS - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Bảng 4.4.

so sánh kết quả của các bộ dữ liệu đầu vào kích thước lớn gồm 100 và 400 nút khi chạy cùng thời gian giữa thuật toán ACO sử dụng quy tắc cập nhật mùi SMMAS và thuật toán ACO sử dụng quy tắc cập nhật mùi MMAS Xem tại trang 58 của tài liệu.
Hình 4.4 Mở chương trình - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

Hình 4.4.

Mở chương trình Xem tại trang 63 của tài liệu.
Bước 2: Bấm nút “Run” hoặc nhấn F6 để chạy chương trình như Hình 4.5 - MỘT THUẬT TOÁN TỐI ưu đàn KIẾN GIẢI BÀI TOÁN ĐIỀU PHỐI XE

c.

2: Bấm nút “Run” hoặc nhấn F6 để chạy chương trình như Hình 4.5 Xem tại trang 64 của tài liệu.

Tài liệu cùng người dùng

Tài liệu liên quan