3.2 Giải thuật di truyền GA
3.2.3 Hạn chế của giải thuật GA
Sau đây là các hạn chế của giải thuật GA:
• Việc tính tốn Fitness Function cho những bài tốn phức tạp diễn ra lâu. Vì Fitness Func- tion được tính lặp đi lặp lại rất nhiều lần dựa trên số lượng quần thể cũng như số lượng thế hệ nên có nhiều bài tốn phức tạp khiến giải thuật chạy rất lâu (vài giờ, vài ngày,...) • Giải thuật khơng tỉ lệ tốt với độ phức tạp. Nghĩa là, khi số lượng phần tử bị đột biến lớn,
thì kích thước khơng gian tìm kiếm thường tăng theo cấp số nhân. Điều này làm cho việc sử dụng kỹ thuật này trở nên cực kỳ khó khăn trong các vấn đề như thiết kế một động cơ, một ngơi nhà hoặc một máy bay,...
• Giải pháp chỉ là "tốt hơn" so với các giải pháp khác.
• Trong nhiều bài tốn, giải thuật GA có xu hướng hội tụ về phía tối ưu cục bộ hoặc thậm chí các điểm tùy ý hơn là điểm tối ưu tồn cục của bài tốn. Điều này có nghĩa là nó khơng "biết cách" hy sinh Fitness ngắn hạn để đạt được Fitness lâu dài. Vấn đề này có thể được giảm bớt bằng cách sử dụng một Fitness Function khác, tăng tỷ lệ đột biến, hoặc bằng cách sử dụng các kỹ thuật chọn lọc để duy trì đa dạng các giải pháp.
• Đối với các bài tốn tối ưu hóa cụ thể và các trường hợp bài toán, các thuật toán tối ưu hóa khác có thể hiệu quả hơn các thuật tốn di truyền về tốc độ hội tụ. Các thuật toán thay thế và bổ sung bao gồm chiến lược tiến hóa (evolution strategies), lập trình tiến hóa, ủ mơ phỏng, thích ứng Gaussian (Gaussian adaptation), giải thuật leo đồi (hill climbing) và trí thơng minh bầy đàn (swarm intelligence) và các phương pháp dựa trên lập trình tuyến tính số ngun. Tính phù hợp của thuật toán di truyền phụ thuộc vào lượng kiến thức của bài tốn, các vấn đề nổi tiếng thường có cách tiếp cận tốt hơn, chuyên biệt hơn.
4
CÁC CƠNG TRÌNH LIÊN QUAN
Trong chương này, tơi sẽ trình bày một số mơ hình tiên đốn giá bất động sản đã tham khảo và sơ lược về chúng.
Mục lục