Thuật giải GAVAPS được thử nghiệm trên những hàm sau:

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 150)

M Chương 9: Các Bài Tốn Tối Ưu Tổ Hợp Khác

Thuật giải GAVAPS được thử nghiệm trên những hàm sau:

G1: -xsin(10zx) +1 -2.0< x<1.0 G2: integer(8x)/8 0.0< x<1.0 G3: x*sgn(x) -1.0<x<=2.0 ">> G4: 0.5+ —— (1+0.0014z2 + yŸyý -100 < x,y< 100 Hàm G1 và G4 là các hàm cĩ nhiều cực đại cục bộ. Hàm G2

khơng thể tối ưu hĩa bằng bất kỳ kỹ thuật gradient, vì khơng cĩ sẵn thơng tin gradient nào. Hàm G8 biểu điễn “bài tốn lừa”. Khi cực đại

298

Thuật Giải Di Truyền [- Ệ

hĩa hàm đĩ, hai hướng tăng trưởng dễ dàng được nhận ra, nhưng các biên được chọn sao cho cực đại cục bộ chỉ đạt được đối với một. biên mà thơi. Trong trường hợp các kỹ thuật dựa trên gradient với

cách tạo mẫu ngẫu nhiên, điều. này cĩ thể dân đến việc tìm thấy các

cực đại cục bộ.

Hiệu quả GAVaPS được kiểm tra và so sánh với hiệu quả của thuật giải đi truyển đơn giản của Golberg (SGA). Các phương pháp mã hĩa bài tốn cũng như các tốn tử di truyền cũng tương tự đối với

SGA và GAVaPS (một các mã hĩa nhị phân đơn giản đã được dùng

và hai tốn tử đi truyền: đột biến và lai tạo một. điểm).

Đối với các thử nghiệm, ta đã cĩ những giá định sau đây. Kích thước khởi tạo của một quân thể là 20. Trường hợp của SGA, kích thước của quần thể đầu tiên vẫn khơng đổi qua tồn bộ tiến trình. Tỉ

lệ sinh sản p được đặt là 0.4 (tham số này vơ nghĩa đối với SGA). TÍ lệ đột biến được đặt là 0.015, và tỉ lệ lai tạo được đặt là 0.65. Chiêu

dài nhiễm sắc thể là 20. Qua tất cả các thử nghiệm, ta giá định rằng các giá trị thời gian sống cực đại và cực tiểu khơng đổi và bằng

MaxLT=7 và MinLT=1.

Để so sánh SGA và GAVaPS§, ta chọn hai tham số: chỉ phí của thuật giải được biểu điễn bằng euainưm (trung bình của số lượng giá

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 150)

Tải bản đầy đủ (PDF)

(177 trang)