3. Mô hình độ tin cậy
3.4.1.Thuật toán di truyền
GA là một kỹ thuật tối ưu mạnh lấy cảm hứng từ nguyên lý của quá trình chọn lọc tự nhiên và tiến hóa sinh vật học. Phương pháp này được phát triển đầu tiên bởi John Holland vào năm 1975 ở trường Đại học Michigan (Mỹ) và mở rộng lên bởi học trò của ông ta (David Goldberg, 1989). Thuật toán di truyền đã áp dụng thành công trong nhiều lĩnh vực tối ưu phức tạp cũng như trong kỹ thuật NLTT [20].
GA sử dụng ba hoạt động di truyền học chủ yếu: lựa chọn, nhân chéo và đột biến, được miêu tả tới cấu trúc của thuật toán cho vấn đề tối ưu. Nó là một nghiên cứu ngẫu nhiên bởi vì có sử dụng lựa chọn ngẫu nhiên trong quá trình nghiên cứu. Nó làm việc với tỉ lệ quần thể không đổi trong giải pháp có thể của vấn đề, gọi là cá thể. Mã hóa nhị phân và xây dựng cá thể trong quần thể là một bước rất quan trọng trong thuật toán. Công suất của PV và BTY là hai thông số quyết định chính trong tối ưu hóa. Trước khi áp dụng GA cho vấn đề tối ưu, một số tham số như tỷ lệ quần thể, xác suất nhân chéo và đột biến đã được kiểm tra cẩn thận và cho như sau: Số lượng quần thể: 100, tỷ lệ nhân chéo: 0,7, tỷ lệ đột biến: 0,01 và số thế hệ: 50.
Các hoạt động bao gồm cả mã hóa, đánh giá, lựa chọn, nhân chéo và đột biến đã được xem xét trong quá đánh giá tối ưu hóa bởi GA [3, 7]. Các quá trình GA có thể được hiển thị dưới đây.
Bước 0: Đưa các giá trị yêu cầu đặc biệt của độ tin cậy LOLH trong các giải
pháp khác nhau của PPV và PAQ.
Bước 1: Lựa chọn ngẫu nhiên quần thể ban đầu của Npop chuỗi, khi mà Npop là tỷ lệ quần thể.
Bước 2:Tính giá trị hàm mục tiêu.
Bước 3: Áp dụng các toán tử nhân chéo được xác định trước cho mỗi cặp được
chọn trong bước 2 để tạo ra chuỗi với xác suất nhân chéo định trước Npop.
Bước 4: Áp dụng các toán tử đột biến được xác định trước cho mỗi chuỗi tạo
với xác suất đột biến được xác định trước.
Bước 6: Nếu điều kiện dừng được xác định trước là thỏa mãn, dừng thuật toán