D. Ví dụ ứng dụng lập luận mờ trong chẩn đoán bệnh lao phổ
4.2.2 Lược đồ tổng quát của EA
• Cơ sở của thuật toán tiến hoá
Thuật toán tiến hoá dựa trên thuyết tiến hoá của Darwin. Theo đó, thế giới tự nhiên được duy trì và phát triển nhờ hai quá trình di truyền và biến dị dưới tác động của môi trường xung quanh. Trong quá trình chọn lọc tự nhiên, cá thể nào thích nghi được với môi trường sẽ tồn tại và phát triển. Trong trường hợp ngược lại, khi không thích nghi với sự thay đổi của môi trường sống, từng cá thể hoặc cả một quần thể sẽ bị diệt vong.
• Nội dung của thuật toán tiến hoá
Mỗi phần tử x ∈ £ được xem như một cá thể với n gen. Mỗi cá thể x được gán cho một giá trị thích nghi f(x) gọi là độ đo fit-nit (fitness meassure) của x. Thông thường, x có thể được mã hoá bởi một mảng nhị phân, mảng số thực hoặc một cây. Trong một số tài liệu, tuỳ thuộc vào cách mã hoá của x, hoặc cách khảo sát x người ta phân biệt các khái niệm thuật toán di truyền (genetic algorithm), lập trình di truyền (genetic programming) hoặc thuật toán tiến hoá. Trong tài liệu này, ta sẽ dùng chung một khái niệm thuật toán tiến hoá.
• Mục tiêu của thuật toán tiến hoá
Tìm cá thể x thoả mãn điều kiện cực trị của E(x) • Lược đồ chung của thuật toán tiến hoá
(1) Sinh ngẫu nhiên một quần thể B ban đầu gồm một số cá thể nào đó.
(2) Lựa chọn k cá thể trong B với giá trị E(x) nhỏ nhất để tạo thành (k*(k-1)/2) các cặp cha mẹ.
(3) Thực hiện quá trình sinh sản tạo ra các cá thể mới theo các qui tắc lai ghép đơn điểm, đa điểm hoặc mặt nạ, ....
(4) Tạo sự đột biến ở một số cá thể theo một qui tắc nào đó. Số lượng các cá thể tạo đột biến thường vào khoảng 1%.
(5) Lựa chọn các cá thể mới được tạo ra có giá trị hàm E(x) nhỏ hơn để thay thế cho các cá thể cũ có giá trị E(x) lớn hơn.
(6) Nếu cá thể x tốt nhất trong quần thể hiện có với giá trị E(x) chấp nhận được bởi các điều kiện đặt ra thì dừng thuật toán và nghiệm tối ưu cần tìm là x.
Trong trường hợp ngược lại, quay trở về bước (2).
Hình 2.1 Sơ đồ khối của thuật toán tiến hóa 4.2.3 Các nguyên lý cơ bản trong EA
• Biểu diễn gen (Cấu trúc dữ liệu)
• Lựa chọn độ đo fit-nit (Độ đo sự thích nghi) • Các qui tắc chọn lọc
• Các qui tắc lai ghép • Các qui tắc đột biến