Các giải thuật cho bài toán tối ưu cấu trúc mạng di động thế hệ mới

Chương 4 : TỐI ƯU MẠNG DI ĐỘNG THẾ HỆ SAU

4.5. Các giải thuật cho bài toán tối ưu cấu trúc mạng di động thế hệ mới

Tối ưu cấu trúc mạng di động là một bài toán khó và phức tạp. Đã có rất nhiều nghiên cứu và các giải thuật được đề xuất. Thuật toán di truyền được Deb[2000] đưa ra giải quyết bài toán ấn định kênh, tiết kiệm chi phí phổ và tối ưu vùng phủ. Tính sử dụng của thuật toán di truyền là tối ưu, tinh chỉnh các giải pháp hiện có. Giải thuật háu ăn (Greedy Algorithms) được lựa chọn hợp lý cho giai đoạn bắt đầu như lắp đặt trạm gốc, tham số anten, xác định vùng phủ [20]. Các giải thuật tìm kiếm cục bộ, Tabu search được đề xuất cải thiện cho giải pháp hiện có. Sau đây, luận văn trình bày một số giải thuật cơ bản.

4.5.1. Thuật toán di truyền cơ bản

Thuật toán tuân theo việc lựa chọn tự nhiên của một quần thể. Cá thể nào phù hợp với môi trường, có sự thay đổi tốt hơn trong tái tạo, loại bỏ những yếu tố không hoặc ít phù hợp. Điều này có nghĩa là những "gen" có tính cá thể phù hợp cao sẽ được nhân rộng trong thế hệ sau có đặc tính tốt hơn.

Hình 4.2. Các thủ tục chính của thuật toán di truyền Từ hình vẽ ta thấy trong thuật toán di truyền có 6 thủ tục chính. Từ hình vẽ ta thấy trong thuật toán di truyền có 6 thủ tục chính.

Sau đây là cấu trúc cơ bản của thuật toán di truyền và từ đây có thể phát triển, xây dựng các thuật toán tiên tiến hơn.

Thuật toán 4.1. Thuật toán di truyền cơ bản: Input: T: The given number of generations K: Population size

K: Offspring size

pr: Recombination probability pm: Mutation probability

Output: The best solution in P

Step 1 (Initialization): Set t0and P For i1,...,Kdo 1) Create an individual ai randomly or heuristically; 2) P P  ai   Step 2 (Evaluation): For each individual aiP

do

1) Calculate the objective function f ai

; 2) Assign a fitness value zi to ai

Step 3 (Reproduction): Set P;

For i1,...Kdo

1) Select two individuals a bP

, according to a given scheme and based on the finess values;

2) Recombine a

and b

with the probability pr, resulting a child ci

; 3) Mutate ci with the probability pm;

4) P P  ci     . Step 4 (Replacement):

Replace the less fit individuals in population P with the children in offspring P

Step 5 (Termination):

1

 t t

If tT or another stopping criterion is satisfied then terminate, else go to Step 2. Cần phải nhấn mạnh rằng thuật toán này không phản ánh thuật toán di truyền trong dạng tổng quát nhất, ví dụ: không cần hạn chế cỡ cộng đồng và việc kết hợp cần có hơn hai bố mẹ.

4.5.2. Thuật toán di truyền đa mục tiêu

Một trong các thuật toán di truyền đa mục tiêu là thuật toán 4.2 [Deb(2000)] trình bày dưới đây:

Input: P — Population

Output: The non-dominated fronts Fr,r1,2,... Step 1: Set F1 For each aiP do 1) Set ni 0 and Di ; 2) For each ajP do If ai dominates aj then Di Di  aj ,   else if ajdominates ai then ni ni1; 3) If ni 0 then F1 F1  ai .   Step 2: Set r1; While Fr  do 1) Set H ; 2) For each aiFr do For each aj Di do a) nj nj 1; b) If nj 0 then H H  aj .   3) Let rr1 and Fr H.

4.5.3. Thuật toán Tabu Search

Thuật toán lập một danh sách, khởi tạo đề cử. Sử dụng vòng lặp k, tại mỗi bước thì xác lập đề cử và đưa vào danh sách [20]. Thuật toán được sử dụng trong tìm kiếm tối ưu địa phương. Thuật toán Tabu Search được trình bày dưới đây:

Procedure Tabu search Begin

TL  0; / / tabu list x  initial solution; repeat

X'  subset of N(x) under consideration of TL; x' best solution of X' ;

add x to TL;

delete elements from TL, which are older than k iterations;

x  x';

if x is better than best solution until now then store x ;

end

until termination condition is fulfilled; end;

Từ các giải thuật đã trình bày ở phần trên ta lựa chọn phương pháp tối ưu ở từng bước. Kết hợp các nghiệm tối ưu, ta sẽ có được kết quả tối ưu. Sau đây luận văn thực hiện tính toán tối ưu các tham số của mạng di động bằng mô phỏng.