Nhƣ đã đƣợc đề cập ở chƣơng trên, Các thuật toán tiến hóa (EA) là một cách tiếp cận Meta-heuristic nhằm giải quyết các vấn đề không thể dễ dàng giải quyết trong thời gian đa thức (Polunomial Time), chẳng hạn nhƣ các vấn đề NP-khó cổ điển, và những vấn đề khác phải mất rất nhiều thời gian để có thể xử lý triệt để, hay nói cách khác là ra đƣợc kết quả tối ƣu. Khi đƣợc sử dụng riêng, chứng thƣờng đƣợc áp dụng cho các vấn đề tổ hợp; tuy nhiên, các thuật toán di truyền thƣờng đƣợc sử dụng song song với các phƣơng pháp khác, hoạt động nhƣ một cách nhanh chóng để tìm một nơi bắt đầu tối ƣu để một thuật toán khác hoạt động. Nói cách khác EA sẽ giúp tạo tiền đề để sử dụng thuật toán thứ 2, thứ 3 tìm ra kết quả mong muốn với độ chính xác cao hơn.
Tiền đề của một thuật toán tiến hóa khá là đơn giản, chúng ta có thể dễ dàng tóm tắt lại dựa theo quá trình chọn lọc tự nhiên. Một EA chứa bốn bƣớc tổng thể: khởi tạo, chọn lọc, vận hành di truyền và chấm dứt. Các bƣớc này mỗi bƣớc tƣơng ứng, đại khái, cho một khía cạnh cụ thể của chọn lọc tự nhiên và cung cấp các cách dễ dàng để mô đun hóa các triển khai của thể loại thuật toán này. Nói một cách đơn giản, trong một EA, các thành viên phù hợp sẽ tồn tại và sinh sôi nảy nở, trong khi các thành viên khác không còn phù hợp sẽ chết đi và không đóng góp vào nhóm gen của các thế hệ tiếp theo nữa, giống nhƣ chọn lọc tự nhiên.
EA đã đƣợc sử dụng rộng rãi để giải quyết các vấn đề tối ƣu hóa tƣơng ứng trong nhiều lĩnh vực, ví dụ: tối ƣu hóa mục tiêu đơn – Single-objective Optimization [Guo và Yang, 2015], tối ƣu hóa đa mục tiêu – Multiobjective Optimization [Coello, 2006; Fonseca và Fleming, 1995] và nhƣ vậy.
Các thuật toán tiến hóa hầu hết đều đƣợc thiết kế để tập trung vào việc giải một bài toán tối ƣu tại mỗi thời điểm dựa trên một quần thể mà chƣa có sự quan tâm đến việc giải quyết nhiều bài toán tối ƣu khác nhau đồng thời trên cùng một quần thể. Và do đó dẫn đến sự ra đời của một dạng hoàn toàn mới của các thuật toán tiến hóa, đó là đa tác vụ tiến hóa (evolutionary multitasking), cho phép giải đồng thời nhiều bài toán tối ƣu khác nhau trên một quần thể duy nhất và đƣợc gọi là tối ƣu hóa đa nhân tố (multifactorial optimization- MFO) [29].
Chƣơng 2 TIẾN HÓA ĐA NHÂN TỐ