- Lựa chọn cách biểu diễn các lời giải, khi cách biểu diễn này không phù hợp có thể dẫn đến hiệu suất không cao. Có các dạng thể hiện của genotype là dạng các chuỗi bits, dạng số thực, dạng số nguyên, và biểu diễn theo thứ bậc. Đôi lúc việc sử dụng mã nhị phân sẽ gây ra những thay đổi đáng kể khi thay đổi giá trị 1 bit, do đó giải pháp là sữ dụng mã gray. Đối với việc biểu diễn là số thực sẽ gây ra những hạn chế về mặt tính toán. Biểu diễn bằng số nguyên thường sử dụng cho dạng dữ liệu là rời rạc. Biểu diễn dạng thứ bậc thông thường áp dụng cho những bài toán với đầu ra biểu diễn theo thứ tự.
- Khởi tạo quần thể: kích thước của quần thể cần tránh thay đổi trong quá trình thực hiện vì có thể gây ra hiện tiện hội tụ sớm, kích thước quần thể nếu quá lớn có thể làm chậm quá trình tính toán, nếu quá nhỏ có thể khó tìm ra được giá trị tối ưu. Do đó kích thước của quần thể như: số lượng NST, số lượng gen trong 1 NST cần được lựa chọn bằng cách thử và sai trong quá trình thực nghiệm để tìm ra giá trị phù hợp với dữ liệu đầu vào. Cách khởi tạo có thể là ngẫu nhiên toàn bộ quần thể hoặc đưa vào một số NST đã biết và lấy ngẫu nhiên phần còn lại của quần thể.
- Hàm fitness: tính toán mức độ phù hợp của một NST, không nên để quá phức tạp để có thể đánh giá nhanh
LUẬN VĂN THẠC SĨ HVTH: Nguyễn Thanh Hằng
GVHD: PGS.TS Phan Quốc Dũng - Lựa chon thế hệ mới: sau khi tính giá trị hàm Fitness, ta có fitness score
của từng NST, các giá trị này sẽ được đưa vào đánh giá, lựa chọn để tạo ra quần thể mới bằng các phương pháp sau:
+ Bánh xe Roullete: Roulette wheel selection: tạo vòng quay roullete dựa trên tỉ lệ phần trăm của các NST trong toàn bộ quần thể, cố định một điểm trên vòng quay, tiến hành quay bánh xe, mỗi lần quay chọn được 1 phần tử cho quần thể mới là giá trị đối diện điểm cố định. Như vậy sau n lần quay (n là số lượng NST) sẽ có được một quần thể mới. Các cá thể có fitness score cao thì diện tích chiếm chỗ trong vòng quay lớn, xác suất quay trúng sẽ cao hơn.