1. u← đối tượng ban đầu;
2.4.2.4. Phân tích thuật toán ACO
Một thuật toán ACO có thể được hình dung như sự tương tác của ba thủ tục sau:
Giải pháp xây dựng các loài kiến (ConstructAntsSolutions) là quản lý một đàn kiến, thủ tục xảy ra đồng thời và không đồng bộ thăm các đỉnh liền kề của các vấn đề cần xem xét, bằng cách di chuyển qua các đỉnh lân cận của đồ thị GC. Chúng di chuyển bằng cách áp dụng chính sách quyết định cục bộ ngẫu nhiên thông qua việc sử dụng vết mùi pheromone và thông tin heuristic. Bằng cách này, các con kiến từng bước xây dựng giải pháp để tối ưu hóa bài toán. Một con kiến vừa xây dựng được một giải pháp hoặc trong khi một giải pháp đang được xây dựng thì con kiến phải đánh giá giải pháp sẽ được sử dụng bằng cách sử dụng thủ tục UpdatePheromones để quyết định gửi lại bao nhiêu nồng độ pheromone.
Cập nhật pheromones (UpdatePheromones) là quá trình mà vết mùi pheromones được sửa đổi. Giá trị vết mùi sẽ có thể tăng khi các con kiến gửi thêm pheromone trên thành phần hoặc liên kết mà chúng sử dụng hoặc nó sẽ giảm do quá trình bay hơi pheromone. Nồng độ pheromone được gửi làm tăng xác suất để một một kết nối được các con kiến khác sử dụng hoặc được sử dụng bởi ít nhất một con kiến để xây dựng một giải pháp rất tốt để có thể sử dụng lại trong tương lai các con kiến. Một quan điểm khác, quá trình bay hơi pheromone lại chính là một “sự lãng quên” có ích: nó giúp tránh sự hội tụ nhanh chóng của thuật toán hướng đến một nhánh không tối ưu. Vì thế, sẽ ưu tiên duyệt những vùng mới của không gian tìm kiếm.
Những hành động (DaemonActions) thực hiện những hành động tập trung mà điều này không thể thực hiện bởi những con kiến riêng lẻ.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/
2.5. Tổng kết chƣơng 2
Có rất nhiều các thuật toán tìm kiếm tối ưu khác nhau, mỗi thuật toán phù hợp với một loại bài toán và tốt nhất cho loại bài toán đó. Bên cạnh những thuật toán cổ điển áp dụng cho những bài toán tĩnh, thì ngày nay các thuật toán tìm kiếm được chủ yếu phát triển cho bài toán động và cho các phương thức tìm kiếm mù, …
Nội dung trong chương này chủ yếu tập trung trình bày một số chiến lược tìm kiếm tối ưu phổ biến, kèm theo là ví dụ và giải thuật để làm rõ bản chất của từng thuật toán. Bên cạnh đó, đi sâu vào thuật toán đàn kiến để phục vụ giải quyết bài toán D-TSP trong chương sau.
Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn/