Những bài tốn địi hỏi một cách biểu diễn lời giải thích hợp, nếu

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 40 - 41)

II Chương 2: Cơ Chế Thực Hiện Thuật Giải Di Truyền j Chiều dài tồn bộ nhiễm sắc thể (vectơ lời giải) lúc này là

những bài tốn địi hỏi một cách biểu diễn lời giải thích hợp, nếu

khơng, thuật giải di truyền khĩ cĩ thể cho lời giải tốt được. Cĩ thể là

do GA thường hội tụ sớm về một lời giải tối ưu khơng - tồn cục;

cũng cĩ thể là do đĩ là bài tốn tối ưu với các ràng buộc khơng tâm

thường.

Biểu diễn nhị phân truyền thống cĩ một số bất lợi khi áp dụng

GA giải các bài tốn số cần độ chính xác cao, trong một khơng gian

số chiêu lớn. Thí dụ, tối ưu hàm 100 biến; mỗi biến nhận giá trị

trong khoảng [-500, 500], chính xác đến 6 số lẻ, thì chiểu dài của vectơ lời giải nhị phân phải là 3000; phát sinh một khơng gian tìm

kiếm khoảng 10'?° phân tử. Tìm kiếm trong một khơng gian như thế, thuật giải di truyền thực hiện rất kém hiệu quả.

Cách biểu diễn nhị phân khiến cho bất kỳ cách mã hố nào cũng cĩ cùng số sơ đổ, chính vì vậy, cách dùng chuỗi bít mã hĩa lời

giải là một trong những cơng việc chính của người nghiên cứu GA.

Cách mã hĩa chuỗi nhị phân thường giúp dề dàng phân tích lý thuyết và cho phép xây dựng các tốn tử di truyền “đẹp”, Nhưng kết

quả của 'cơ chế song song ẩn' thực sự khơng phụ thuộc vào việc sử

dụng các chuỗi bit và cĩ lẽ cũng nên thử nghiệm với tập mẫu tự lớn (thay vì nhị phân chỉ 0 và 1) và những tốn tử di truyền (cĩ thể là) mới. Đặc biệt, đối với các bài tốn tối ưu số với các biến liên tục, ta

cĩ thể thử nghiệm với các gen mã hố là các số thực cùng với các

tốn tử “đi truyền” đặc biệt chọ cách mã hố số thực này.

(|, Chương 4: Biểu Diễn Nhiễm Sắc Thể Cho Bài Tốn Tối Ưu Số

Trong chương này, chúng tơi trình bày cách biểu diễn khơng nhị phân để giải bài tốn tối ưu số với số biến đủ lớn. Các gen sẽ nhận giá trị thực, thay vì nhị phân như trong thuật giải di truyền

gốc. Mục đích chính là để mở rộng khơng gian tìm kiếm của GA đến gần khơng gian thực của bài tốn hơn: mở rộng đĩ buộc các phép

tốn cũng phải được sửa đổi bằng cách sử dụng một số đặc trưng cụ thể của khơng gian thực. Thí dụ, biểu diễn này cĩ thuộc tính là hai điểm gần nhau trong khơng gian biểu diễn cũng phái gần nhau trong

khơng gian bài tốn, và ngược lại. Điều này khơng phải luơn luơn

đứng trong cách tiếp cận nhị phân. Tuy nhiên, nếu dùng cách biểu diễn nhị phân nhưng theo nguyên tắc Gray ta cũng cĩ thể mở rộng khơng gian tìm kiếm của GA gắn với khơng gian thực của bài tốn.

“Thủ tục để chuyển một số nhị phân ð = (ư,,.... b„) thành số mã

Gray øe (g;,...g„) và ngược lại được trình bày trong hình 4.1; tham

số m cho biết số bit trong các biểu diễn này.

Một phần của tài liệu Lập trình tiến hóa trí tuệ nhân tạo (Trang 40 - 41)

Tải bản đầy đủ (PDF)

(177 trang)