Mm Phụ Lục 1: Các Chủ Đề Chọn Lọc

Một phần của tài liệu Trí tuệ nhân tạo lập trình tiến hóa (Trang 138 - 139)

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

mm Phụ Lục 1: Các Chủ Đề Chọn Lọc

hay một hàm phi tuyến như:

can

prop (rank) = (1-q)

Ca hai bàm đêu trả về xác suất cá thể được một xếp hạng rank (anh =i nghĩa là cá thể tốt nhất, rank = pop-sizc là cá thể xấu

nhất) trong một lần chọn.

Cả hai phương sách này đều cho phép người sử dụng tác động vào áp lực chọn lọc của thuật giải. Trong trường hợp hàm tuyến tính,

yêu câu:

T Brobtl) =1 cĩ nghĩa là:

q=r (pop-size—1)I2 +1 [pop-size

nếu r = 0 (kéo theo q = 1/pop-size) thì khơng cĩ áp lực chọn lọc gì

cả: tất cá các cá thể được chọn theo cùng xác suất. Mặt khác, nếu q~ (pop-size~1)*r =0

r= 91 (n(n-1)), uègq= 2n, cho áp lực chọn lọc lớn nhất.

Nĩi cách khác, nếu một hàm tuyến tính được chọn để tạo xác suất cho cá thể được xếp hạng,*một tham số riêng q, biến thiên trong khoảng {1/pop-size, 2/pop-sizel cĩ thể kiếm sốt áp lực chọn lọc của thuật giải. Thí dụ, nếu pop-size = 100, và g = 0.015 thì r =

274

Thuật Giải Di Truyền ˆ [|

qií(pop-size-1) = 0.00015151515, và prop(1= 0.015, prop(2) =

0.0148484848... _

prop(109) = 0.00000000000000000051.

Đối với hàm phi tuyến, tham số q e (0..1) khơng phụ thuộc kích thước quân thể; giá trị g lớn hơn cĩ nghĩa là áp lực chọn lọc của thuật giải mạnh hơn. Thí dụ, nếu g =0.7 và pop-size = 100, thì

prop(1) =0.100 và prop(2) =0.1 * 0:9 =0.090, prop(3) =0.1 *0.9 *0.0=

0.081, .... prop(100) =0.000008. Chú ý rằng:

1

pop _size "`... —

3 prob) =1= 3 g1-g) +1

(Cĩ thể thay đấu ~ trong cơng thức trên bằng dấu =; khi ấy, chỉ cần định nghĩa prop(U = c*q(1-qgJ”? với e= ————— ) 1~(1~ gì? -sE£

Những cách tiếp cận như vậy, mặc dù được đưa ra để cải tiến hành vi của thuật giải di truyền trong một số trường hợp, nhưng ` cũng cĩ những khuyết điểm. Trước hết, chúng buộc người sử dụng

phải quyết định lúc nào thì dùng đến các cơ chế này. Thứ hai, chúng

bỏ qua các thơng tin cĩ liên quan giữa các nhiễm sắc thể khác nhau. Thứ ba, chúng xử sự với tất cả các trường hợp đều như nhau, bất chấp tâm quan trọng của từng bài tốn cụ thể. Cuối cùng, các thủ tục chọn theo xếp hạng ví phạm lý thuyết Lược đổ. Tuy nhiên, chúng giúp tránh vấn để định tỉ lệ (sẽ được thảo luận trong phần kế tiếp),

chúng kiếm sốt áp lực chọn lọc tốt hơn, và (cặp đơi với việc sinh

sản mỗi~lân-một—con) làm cho việc nghiên cứu tập trung nhiều hơn. Một phương pháp chọn lọc bổ sung, chọn lọc tranh đua, kết hợp

ý tưởng xếp hạng theo nhiều cách hiệu quả và rất đáng quan tâm.

Phương pháp này (trong một lần lặp) sẽ chọn một số È cá thể và chọn ra từ tập & phần tử này phẩn tử tốt nhất cho thê hệ kế tiếp.

Một phần của tài liệu Trí tuệ nhân tạo lập trình tiến hóa (Trang 138 - 139)