CHƯƠNG 1 : TỔNG QUAN
1.3 Tổng quan về các thuật toán tối ưu đa mục tiêu
1.3.3 Đánh giá một số giải thuật MOEA tiêu biểu
Đặc điểm của một số giải thuật MOEA tiêu biểu nhất được mô tả sơ lược như sau:
Bảng 1.5: Đánh giá một số giải thuật MOEA
Thuật toán
Gán độ thích nghi Cơ chế đa dạng hóa Duy trì quần thể
ưu tú VEGA Quần thể được phân thành K
tiểu quần thể (K là số mục tiêu). Các cá thể trong mỗi tiểu quần thể được đánh giá theo một mục tiêu riêng. Khơng có Khơng có MOGA Dùng cách xếp hạng Pareto (Pareto ranking) Chia sẻ độ thích nghi dùng số đếm vùng lân cận Khơng có
NSGA Xếp hạng dựa vào sắp thứ tự mức độ không vượt trội (non- domination sorting)
Chia sẻ độ thích nghi dùng số đếm vùng lân cận
Khơng có
NSGA-II Xếp hạng dựa vào sắp thứ tự
mức độ không vượt trội Phương pháp dùng khoảng cách mật độ
Có
SPEA Xếp hạng dựa vào kho lưu ngoài (external archive) của những lời giải không bị vượt trội
Gom cụm (clustering) để tỉa bớt quần thể ngồi
Có
SPEA-2 Dựa vào sức mạnh của các cá
thể vượt trội (dominator) Dùng mật độ dựa vào láng giềng gần nhất thứ k Có
ε-MOEA Lựa chọn dựa vào khái niệm ε-dominate
Dựa vào chiến lược dạng lưới (grid-based) để tạo các hyperbox theo ε
Có
GDE3 Khơng có lai ghép mà chỉ có đột biến và chọn lọc. Đánh giá độ thích nghi theo sự vượt trội
Chỉ dùng đột biến cá thể và thay thế Có ε-NSGA- II Xếp hạng dựa vào sắp thứ tự mức độ không vượt trội trong khoảng ε-dominate
Sử dụng số lượng quần thể linh hoạt và dùng khoảng cách mật độ
Có
SMPSO Dựa vào sự thay đổi của tốc độ cá thể
Các cá thể dẫn dầu (non- dominate solution) định hướng cá thể khác
Có
Các giải thuật MOEA đều có những ưu nhược điểm riêng, và đều có hiệu quả vượt trội so với các giải thuật khác trong một số trường hợp cụ thể. Tuy nhiên, các giải thuật cải tiến mới có các cơ chế đa dạng hóa quần thể phù hợp và có các bước duy trì quần thể ưu tú là xu hướng của các cải tiến giải thuật [43, 44], ví dụ từ NSGA lên phiên bản mở rộng NSGA-II. Qua các nghiên cứu đều cho thấy sự cải thiện về hiệu năng, do đó những giải thuật có hai yếu tố trên được đề xuất sử dụng trong luận án và được hiệu
Trang 30
chỉnh, tùy biến trong thư viện mã nguồn mở MOEA framework để giải quyết các bài toán trong luận án được xếp vào loại bài tốn tối ưu tiến hóa đa mục tiêu. Các giải thuật đề xuất được lựa chọn để tiếp tục xem xét sự phù hợp với công cụ mà nghiên cứu sinh đề xuất ở phần dưới đây bao gồm: NSGA-II, SPEA, SPEA-2, ε-MOEA, GDE3, ε- NSGA-II, SMPSO.