Mm Chương 8: Bài Tốn Người Du Lịch

Một phần của tài liệu Trí tuệ nhân tạo lập trình tiến hóa (Trang 92)

- Hàm #É)= czsinGx Te)+1)

mm Chương 8: Bài Tốn Người Du Lịch

Bài tốn TSP được chứng minh thuộc loại NP-khĩ. Nĩ xuất hiện trong nhiễu ứng dụng và số thành phố là hồn tồn cĩ ý nghĩa.

Trong những thập kỷ gần đây, đã xuất hiện nhiều thuật giải đạt gần đến được lời giải tối ưu của bài tốn TSP: thuật giải láng giêng gân nhất, thuật giải háu án, đảo gần nhất, đảo xa nhất, các

thuật giải do Karp, Like, Christofides, vv... Một nhĩm thuật giải

khác (2-opt, 3-opt, Lin-Kernighan) nhắm vào tối ưu cục bộ: cải thiện hành trình bằng các rối loạn cục bộ. TSP cũng trở thành một, đích nhắm của cộng đồng GA: nhiều thuật giải dựa trên di truyền đã

được báo cáo trong những năm gần đây. Những thuật giải này nhằm

tạo ra những lời giải gần tối ưu, bằng cách duy trì một quần thể các lời giải trải qua những biến đổi một ngơi và hai ngơi (đột biến' và đai tạo") theo một kế hoạch chọn lọc nhiễu về phía những cá thể phù hợp. Rất hay khi so sánh những phương pháp này, đặc biệt cần quan tâm đến việc biểu diễn và những tốn tử dì truyển được sử dụng —

đây là những gì ta muốn thực hiện trong chương này. Nĩi cách khác,

ta sẽ lần theo sự tiến hĩa của những chương trình tiến hĩa đối với

TSP.

Để làm nổi bật một số đặc trưng quan trọng của 'TSP, trước tiên ta hãy xét bài tốn CNF-cĩ thể thỏa. Một biểu thức lơgïc ở dạng nối liên CNE là một chuỗi các mệnh để liên kết với nhau theo phép ^

(and); một mệnh để là một chuỗi các literal liên kết với nhau bởi tốn tử v (or), một literal là một biến lơgic hay là phủ định của nĩ;

biến lơgic là biến cĩ thể cĩ giá trị TRUE hoặc FALSE (1 hay 0). Thí dụ, biểu thức lơgic sau đây cĩ dạng CNE:

Một phần của tài liệu Trí tuệ nhân tạo lập trình tiến hóa (Trang 92)