, BS 2” 7" pữy + log p)
Phú Lục 2: Chiến Lược Tiến Hĩa Và Các Phương Pháp Khác
3. Cập nhật hàm thích nghì đã biến đổi để tạo sự suy thối trong vùng gần cá thể tốt nhất, tạo ra một hàm thích nghỉ
mới. .
4. Nếu độ thích nghi thê của cá thể tốt nhất được ưa thích,
(nghĩa là nĩ vượt ngưỡng lời giải), hãy đưa nĩ ra làm lời giải.
5. Nếu khơng tìm được tất cả lời giải, trở về bước hai.
Nhưng gân đây Spears lại để nghị một phương pháp khác. “Thuật giải được để nghị này thực hiện những ý tướng về dùng chung và về giao phối hạn chế. Nhưng loại bỏ ý niệm. về khoảng cách mêtrie mà thay bằng khái niệm về nhãn: mỗi cá thế trong quần thể
cĩ một nhãn (trong các thử nghiệm đã được báo cáo, nhãn là một
chuỗi n—bit, do đĩ, các nhãn cĩ thể được dùng để biểu diễn 2" quần
thể con):
Giả sử một hàm đơn giản cĩ bai đỉnh, một đỉnh cao gấp hai đính kia và giả sử thêm rằng ta cho phép một bit gắn thêm vào mỗi cá thể. Mỗi bit gắn thêm này được khối tạo ngẫu nhiên, vì thế lúc bắt đầu chạy ta cĩ hai quần thể con gần như cùng kích thước. Do được tạo ruẫu ngẫu nhiên, cả hai quần thể con cuối cùng cũng ổn
định trên đỉnh cao-hơn, hay cả hai cùng cư trú trên đính thấp hơn.
Nhưng trong một số trường hợp (vẫn do tạo mẫu ngẫu nhiên), mỗi quần thể con sẽ hướng về hai đỉnh khác nhau, nếu ta khơng cĩ sự
dùng chung thích nghí, các cá thể trên đỉnh cao hơn luơn luơn cĩ
nhiều con hơn các cá thể trên đỉnh thấp hơn và cuối cùng quần thể cơn trên đỉnh thấp sẽ biến mất. Nhưng nếu cĩ dùng chung thích nghì, đỉnh cao hơn chỉ cĩ thể mang được số cá thể nhiều hơn đỉnh thấp bai lần (vì nĩ chỉ cao gấp bai lần). Cơ chế dùng chung thích -3
nghỉ đã điều chỉnh động tính thích nghỉ nhận được sao cho hai đỉnh
coi như cĩ cùng độ cao. Kết quả là cả hai quân thể con đều sinh tên một cách vững chắc. Hơn nữa, sự giao phối hạn chế ngăn ngừa việc lai tạo giữa những cá thể trên hai đỉnh, điểu này thường đưa đến những cá thể cĩ thích nghi thấp.
340
Thuật Giải Đi Truyền - I..
3.2. Tốt tru đa mục tiêu
Đối với nhiều bài tốn ra quyết định trong thế giới thực, cĩ một
nhu cầu là tối ưu hĩa đồng thời nhiều mục tiêu.
Những bài tốn tối ưu đa mục tiêu này cần những kỹ thuật
riêng biệt, mà những kỹ thuật này rất khác với cáé kỹ thuật tối ưu hĩa chuẩn, đối với tối ưu hĩa một mục tiêu duy nhất. Rõ ràng là nếu cĩ hai mục tiêu cân tối ưa hĩa, ta cĩ thể tìm một lời giải tốt nhất,
tương xứng với mục tiêu thứ nhất, cịn lời giải kia là tốt nhất đối với
mục tiêu thứ hai.
Sẽ tiện hơn nếu phân loại tất cá những lời giải mạnh cho bài
tốn tối ưu hĩa đa mục tiêu thành những lời giải bị thống trị và khơng bị thống trị (hay Pareto-optimal). Vì lời giải + sẽ bị thống trị
nếu tại đĩ tồn tại lời giải khả thi ng kém # trên mọi tọa độ,
nghĩa là, đối với mọi hàm mục tiêu £ (¡ = 1,...., È):
Â#f%) <f(y) với mọi 1 <¡< È
Nếu lời giải khơng bị thống trị bởi bất cứ lời giải khả thi nào
khác, ta gọi nĩ là lời giải khơng bị thống trị (hoặc Pareto_-optimal). Tất cá các lời giải Pareto-optimal cĩ lẽ cho ta một vài lợi ích; lý
tưởng thì hệ thống cĩ thể báo cáo lại tập của mọi điểm Pareto—
optimal.
Cĩ một, số phương pháp cổ điển về tối ưu đa mục tiêu. Những
phương pháp này bao gồm phương pháp trọng số hĩa các mục tiêu, ở đĩ các hàm mục tiêu ƒ được tổ hợp thành một hàm mục tiêu chung
#: -
Ằ
#t(x)= 2a a;£(x)