Xây dựng hàm mục tiêu

- Tính 3 (D 12 D 13 D 23 )/

2.6. Xây dựng hàm mục tiêu

Hàm mục tiêu đánh giá độ tương tự của mỗi khuôn mặt với một trong các khuôn mặt tìm kiếm. Đặt một biểu diễn bằng số của khuôn mặt “m” với n thành phần là (am1,am2,...,amn)và đặt khuôn mặt tình nghi là một trong số tốt nhất được biểu diễn bởi nhiễm sắc thể (b1,b2,...,bn). Người sử dụng lựa chọn bằng việc kích vào khuôn mặt phù hợp nhất trong mỗi thế hệ từ tập các khuôn mặt được hiển thị. Bởi vậy sự khác biệt với các dạng cơ bản của giải thuật di truyền là ở giải pháp tối ưu các biến ở mỗi thế hệ.

Dạng của hàm mục tiêu được sử dụng là:

    n i i mi m a b f 1 (2.10)

Hàm này biểu diễn cách tính tổng của sự khác biệt của các thành phần của khuôn mặt "m" với khuôn mặt tình nghi được các nhân chứng cung cấp.

Chúng ta có thể lựa chọn được khuôn mặt tình nghi cho thế hệ lai tiếp theo bằng cách xác định m0 sao cho fm0min{fi |i1,2,..,m } (2.11)

Tức là chọn khuôn mặt có sự khác biệt nhỏ nhất so với khuôn mặt tình nghi. Tuy nhiên, vì nhiều lý do chủ quan hoặc khách quan nên khuôn mặt tình nghi thường chưa hẳn đã giống nhất với khuôn mặt cần tái tạo. Một trong những giải pháp tốt nhất trong trường hợp này là tìm k khuôn mặt gần với khuôn mặt bị

Số hóa bởi Trung tâm Học liệu – Đại học Thái Nguyên http://www.lrc-tnu.edu.vn

tình nghi nhất (k=2, 4, 6 hoặc 8). Điều này tương đương với việc tìm k giá trị nhỏ nhất của hàm mục tiêu đánh giá (2.10). Độ phức tạp tính toán của thuật toán nổi bọt áp dụng cho vấn đề này cỡ O(mn).

Trong mục này, nếu như hàm đánh giá (hay hàm mục tiêu) cung cấp độ đo hiệu quả của việc thiết lập giá trị các tham số cụ thể thì hàm thích nghi biến đổi độ đo hiệu quả này thành việc phân bổ cơ hội tái tạo cho các cá thể. Sự thích nghi (fitness) của cá thể "m" được tính bằng n m

i i mi b n f a n    1 .