Xây dựng được một thuật toán để tìm được các đường cong tối ưu Pareto chưa phải là bước cuối cùng để có thể giải một bài toán tối ưu đa mục tiêu. Cần phải có một quyết định lựa chọn giải pháp tốt nhất trong số các giải pháp cân bằng giữa các mục tiêu. Việc lựa chọn giải pháp phù hợp không chỉ phù thuộc vào bài toán mà còn phụ thuộc vào mục tiêu đặt ra của người ra quyết định. Như vậy giải pháp cuối cùng của một bài toán là kết quả của quá trình xử lý và quá trình ra quyết định. Có 3 phương pháp khác nhau để quản lý hai quá trình này trong bài toán tối ưu đa mục tiêu .
• Ra quyết định trước khi tìm kiếm: Các mục tiêu được nộp vào một mục tiêu duy nhất chứa các thông tin ưu tiên do người ra quyết định cho trước.
• Tìm kiếm trước khi ra quyết định: Quá trình tìm kiếm được thực hiện mà không cần bất kỳ một thông tin ưu tiên nào để tìm ra một tập hợp các giải pháp. Lựa chọn cuối cùng là được người ra quyết định thực hiện.
• Kết hợp quá trình tìm kiếm và ra quyết định: quá trình tìm kiếm và ra quyết định được thực hiện trong mối quan hệ tương tác với nhau. Một quá trình tìm kiếm sơ bộ được thực hiện nhằm cung cấp cho người ra quyết định một số ý tưởng về khoảng của khả năng cân bằng giữa các mục tiêu. Người ra quyết định sau đó sẽ đưa ra một số thông tin ưu tiên để hướng dẫn quá trình tìm kiếm để sau đó sẽ cung cấp thêm các giải pháp khác cho người ra quyết định. Quá trình tương tác giữa người ra quyết định và thuật toán tối ưu tiếp tục cho đến khi giải pháp phù hợp nhất được tìm ra.
Các phương pháp giải bài toán tối ưu đa mục tiêu cổ điển thường thuộc loại ra quyết định trước khi thực hiện tìm kiếm. Như đã trình bày ở phần 4, các phương pháp này có thể phải chạy thuật toán một vài lần nếu các thông tin ưu tiên của người ra quyết định bị thay đổi hoặc tìm thấy giải pháp không phù hợp. Các giải pháp cổ điển còn có nhược điểm là cần có kiến thức về bài toán cần ứng dụng và phụ thuộc vào hình dạng của đường cong tối ưu Pareto.
Thuật toán GA có thể được xếp vào loại tìm kiếm trước khi ra quyết định. Thuật toán GA có thể tìm được nhiều giải pháp tối ưu Pareto trong suy nhất một lần chạy. Giả sử khi không có các thông tin ưu tiên, thì toàn bộ các giá trị trên bề mặt cân bằng đều là các giải pháp tiêu biểu. Trong trường hợp khó khăn và không tìm kiếm phức tạp thì việc thực hiện thuật toán là rất khó khăn và thậm chí là không tìm thấy được số lượng các giải pháp cần thiết
Việc kết hợp quá trình tìm kiếm và ra quyết định đã giải được những hạn chế của hai phương pháp trên và tổng hợp được điểm mạnh của cả hai. Sự kết hợp một cách tinh tế giữa tìm kiếm và ra quyết định đã giúp cho việc tính toán giảm xuống do tấp trung vào tìm kiếm tại các khu vực có tiềm năng có các giải pháp rõ rệt, trong khi đó đồng thời cung cấp cho người ra quyết định cập nhật các giải pháp cân bằng, giúp cho người ra quyết định đưa ra các quyết định chính xác hơn.
Một số nhà nghiên cứu thực hiện việc kết hợp giữa tìm kiếm và ra quyết định như [4]. Đầu tiên, MOGA được thực hiện cho một vài thế hệ. Dựa trên các giải pháp không nổi trội được MOGA tìm ra, người ra quyết định chọn điểm mục tiêu để tập trung quá trình tìm kiếm tiếp theo. Tiếp theo MOGA sẽ thực hiện với một vài thế hệ nữa sử dụng kiểu sắp xếp phân loại đa mục tiêu đã được sửa đổi trong khi đó có chứa thông tin về khoảng cách của cá thể với đích cần tìm.
Trong phần này, đồ án sử dụng một nghiên cứu trên nguyên lý dựa vào kết quả tìm được. Ngoài ra điểm đích, vùng đích được xác định bằng cách xác định cận dưới và cận trên của mỗi hàm mục tiêu. Vùng đích thường là một phần nhỏ của toàn bộ không gian tìm kiếm và có thể thay đổi phụ thuộc vào thông tin cân bằng thực tế. Các giải pháp bên trong vùng đích được gán giá trị phù hợp tốt hơn. Khi đó quá trình tìm kiếm được định hướng vào khu vực mong muốn của đường cong tối ưu Pareto và người ra quyết định có được sự mô tả chính xác đường cong tối ưu tổng quát Pareto trước khi ra quyết định.
2.6 KẾT LUẬN
Trong chương này chúng ta đã phân tích việc quy hoạch mạng vô tuyến thông tin di động trên quan điểm tối ưu hoạt động của mạng lưới và hiệu quả đầu tư. Trước hết bài toán quy hoạch mạng vô tuyến GSM được mô tả một cách tổng quát, có năm loại bài toán liên quan đến bài toán quy hoạch mạng: Lựa chọn cell, phân bổ tần số, xác định kích thước cell, tự động xác định vị trí và kích thước trạm, phát triển mạng. Mặc dù các bài toán này có các điều kiện cho trước khác nhau nhưng nhiệm vụ là giống nhau, kết quả của
bài toán là đưa ra một thiết kế mạng vô tuyến tối ưu vừa có thể đảm bảo chi tiêu chất lượng yêu cầu trong khi đó chi phí cho hệ thống là tối thiểu.
Tiêu chuẩn hoạt động của hệ thống được thể hiện qua các điều kiện cụ thể cho từng cell gồm: tải lưu lượng và xác suất nhiễu, trong khi đó điều kiện tổng quát xác định cho một tập hợp cell xác định cho toàn bộ mạng vô tuyến (hay một tập hợp cell) gồm: tỷ lệ phủ sóng, phí tần số và chi phí cho hệ thống. Các điều kiện tổng quát được sử dụng như các hàm mục tiêu để giải bài toán tối ưu quy hoạch mạng.
Đồng thời chương này cũng chi ra rằng quy hoạch mạng vô tuyến di động là một bài toán tối ưu đa mục tiêu (MOP) điển hình với các mục tiêu cần được xem xét một cách đồng thời. Trong phần 2.4 đã nêu ra nguyên lý cơ bản của bài toán tối ưu hóa đa mục tiêu và phân tích các phương pháp cổ điển ứng dụng để giải bài toán MOP. Qua việc phân tích các hạn chế của một số phương pháp cổ điển và khả năng của thuật toán biến đổi Gen (GA) đề tài đã lựa chọn thuật toán GA để giải bài toán quy hoạch mạng vô tuyến GSM. Trong phần 2.5 đã giới thiệu tổng quan cề thật toán bến đổi Gen-GA. Các khái niệm chung và tổng quát về GA đã được sử dụng để phân tích và thiết kế thuật toán dùng cho việc giải bài toán tối ưu đa mục tiêu. Thuật toán GA có khả năng xử lý giải pháp các vấn đề phức tạp với các đặc trưng như các biến có liên quan lẫn nhau, khó xác định các hàm mục tiêu mà đối với các kỹ thuật tối ưu khác gặp nhiều khó khăn khi giải quyết. Thuật toán GA là phù hợp với bài toán tối ưu đa mục tiêu vì lý do GA có khả năng tìm được các giải pháp tối ưu Pareto chỉ bằng một lần chạy. Thuật toán GA đa mục tiêu được đề xuất với sự kết hợp sử dụng các phương pháp: Lựa chọn các cá thể không nổi trội, so sánh sự đông đúc và kỹ thuật phát triển các cá thể ưu tú có điều khiển với nhau. Tuy nhiên để giải bài toán tối ưu đa mục tiêu mọt cách có hiệu quả cần phải kết hợp giữa quá trình tìm kiếm và quá trình ra quyết định. Nghiên cứu về sự kết hợp này cùng với thuật toán GA đa mục tiêu sẽ được ứng dụng để giải bài toán quy hoạch mạng GSM.
CHƯƠNG 6 PHÂN TÍCH QUÁ TRÌNH BIẾN ĐỔI, CÁC YẾU TỐ ẢNH HƯỞNG ĐẾN TÍNH HỘI TỤ CỦA THUẬT TOÁN BIẾN
ĐỔI GEN VÀ KẾT QUẢ CHƯƠNG TRÌNH MÔ PHỎNG