Bảng 4.13 Kết quả thực nghiệm sử dụng bộ dữ liệu 50 chuỗi
Nhận xét: Bảng 4.13 cho thấy, với thời gian không hạn chế thì trung bình thuật toán tìm ra giải pháp tốt nhất là TSIACO2-LS (xem cột 6), nhưng tốn nhiều thời gian nhất.
Độ dài chuỗi
ACOM-CSP TSIACO2 TSIACO2-LS
dH-Avg(t,s) Thời gian dH-Avg(t,s) Thời gian dH-Avg(t,s) Thời gian
(1) (2) (3) (4) (5) (6) (7) 100 69.40 3574.24 69.60 1940.83 69.20 3610.18 200 137.10 6824.04 137.00 3854.54 136.15 7049.08 300 203.00 11117.62 202.85 6155.00 201.45 11134.93 400 271.15 14652.69 270.45 8434.07 268.95 15179.79 500 338.60 18540.81 337.55 10564.34 336.20 17778.57 600 406.55 21169.80 405.00 12384.08 402.06 21969.9 700 473.30 25014.45 470.95 14316.19 471.25 24994.10 800 539.45 28486.89 537.30 17314.36 535.70 74347.35 900 606.90 33387.94 604.35 19825.25 603.55 33966.30 1000 671.55 37816.52 669.05 22732.73 668.90 73564.79 Độ dài chuỗi
ACOM-CSP TSIACO2 TSIACO2-LS
dH-Avg(t,s) Thời gian dH-Avg(t,s) Thời gian dH-Avg(t,s) Thời gian
(1) (2) (3) (4) (5) (6) (7) 100 71.25 3752.16 71.25 1981.24 71.10 3853.43 200 139.65 7774.25 139.40 4202.27 139.45 8092.10 300 207.55 12501.00 207.20 7123.91 206.65 13510.63 400 274.35 16636.47 273.55 9140.37 272.80 17826.69 500 343.25 19796.64 341.80 11202.15 343.15 20455.65 600 409.95 24428.56 410.95 13320.71 409.95 24918.50 700 477.75 27850.71 482.10 15557.42 478.80 28722.76 800 544.85 32200.81 548.50 18173.31 541.00 33043.08 900 616.75 36602.62 614.10 20800.89 613.05 47016.07 1000 685.30 46074.26 682.75 28660.35 681.60 523497.65
4.7.2 So sánh hiệu quả các thuật toán với cùng thời gian chạy
Tôi chạy các thuật toán TSIACO2, ACOM-CSP và TSIACO2-LS sử dụng bộ dữ liệu 30 chuỗi, độ dài 1000 với thời gian lần lượt là 1000s đến 25000s để khảo sát đặc tính hội tụ. Kết quả được thể hiện bằng biểu đồ trong đồ thị 4.9 – trang bên.
Nhận xét: Đồ thị 4.9 cho thấy:
- Thời gian 6000s trở đi, chất lượng lời giải của hai thuật toán TSIACO2 và ACOM-C P là tương đương.
- Thời gian 6500s trở đi, chất lượng lời giải của thuật toán ACOM-CSP gần như được giữ nguyên.
- Thời gian 8000s trở đi, chất lượng lời giải của TSIACO2 tốt hơn của ACOM-CSP một chút. (Tuy nhiên, thời điểm này có thể coi là thời điểm mà chất lượng lời giải của các thuật toán đã bão hòa).
- Thời gian từ 20000s trở đi, chất lượng lời giải của TSIACO2-LS tốt hơn TSIACO2 và ACOM-CSP một chút ít. (Tuy nhiên, thời điểm này có thể coi là thời điểm mà chất lượng lời giải của các thuật toán đã bão hòa).
Kết luận: Trong cùng thời gian chạy thì:
- Thuật toán hội tụ nhanh nhất là ACOM-CSP.
- Nếu thời gian hạn chế thì thuật toán cho chất lượng lời giải tốt nhất là ACOM- CSP.
- Nếu thời gian không hạn chế thì thuật toán cho chất lượng lời giải tốt nhất là TSIACO2-LS.
Đồ thị 4.9 Biểu đồ biến thiên kết quảcủa các thuật toánkhi thời gian chạy thay đổi từ 1000s đến 25000s cho ví dụ có N = 30, Length=1000 650 660 670 680 690 700 710 1000s 2000s 3000s 4000s 5000s 6000s 7000s 8000s 9000s 10000s 11000s 12000s 13000s 14000s 15000s 20000s 25000s Khoảng cách Ham m ing
Thời gian chạy
Chạy hực nghiệm với cùng hời gian
TSIACO2
ACOM-CSP TSIACO2-LS
KẾT LUẬN
Bài toán xâu gần nhất có vai trò quan trọng trong tin sinh học như tìm kiếm motif trên các chuỗi sinh học. Vì vậy, nó đang thu hút nhiều người quan tâm nghiên cứu và đã được chứng minh thuộc loại NP-khó. Áp dụng phương pháp ACO để giải bài toán trên đã cho chất lượng lời giải tốt hơn thuật toán di truyền và thuật toán luyện kim.
Trong luận văn tôi đã hệ thống hóa các nội dung lý thuyết và thuật toán liên quan đến vấn đề nghiên cứu: bài toán xâu gần nhất và các phương pháp tiếp cận, phương pháp ACO và các phương pháp biến thể mới áp dụng cho bài toán nêu trên (ví dụ như tìm hiểu các thuật toán Ant-CSP, ACO-CSP, ACOM-CSP) và tìm hiểu thuật toán TSIACO áp dụng cho bài toán người chào hàng.
Tôi đã sử dụng quy tắc cập nhật mùi do Zhaojun Zhang và Zuren Feng [10] đề xuất để xây dựng thuật toán giải bài toán nêu trên, đó là thuật toán TSIACO1, TSIACO2.
Tôi đề xuất ra thuật toán mới TSIACO2-LS là thêm kỹ thuật tìm kiếm địa phương vào giai đoạn 2 của thuật toán TSIACO2.
Tôi đã tiến hành cài đặt các thuật toán ACOM-CSP, TSIACO1, TSIACO2, TSIACO2-LS. au đó, tôi chạy thực nghiệm và so sánh kết quả chạy của các thuật toán trên.
Thực nghiệm cho thấy, thuật toán mới TSIACO2-LS có những ưu điểm nhất định, khoảng cách Hamming trung bình tìm được thấp hơn so với các thuật toán đã có, tuy thời gian thực hiện lâu hơn vì phải xử lý tìm kiếm địa phương. Thực nghiệm cũng cho thấy, nếu thời gian hạn chế thì thuật toán cho chất lượng lời giải tốt nhất và hội tụ nhanh nhất là ACOM-CSP, nếu thời gian không hạn chế thì thuật toán cho chất lượng lời giải tốt nhất là TSIACO2-LS.
Trong tương lai, tôi sẽ cùng với nhóm nghiên cứu Tin-Sinh của Đại học Nông nghiệp Hà Nội và Đại học Công nghệ tìm ra cách khắc phục nhược điểm của thuật toán TSIACO2-L để cho chất lượng lời giải trung bình tốt nhất với thời gian chạy nhanh hơn.
TÀI LIỆU THAM KHẢO
Tiếng Việt
[1]. Đỗ Đức Đông (2 12), Phương pháp tối ưu đàn kiến và ứng dụng, Luận án tiến sĩ công nghệ thông tin ĐHCN-ĐHQGHN.
Tiếng Anh
[2]. M. Dorigo, V. Maniezzo and A. Colorni (1991), “The Ant System: An autocatalytic optimizing process”. Technical Report 91-016 Revised, Dipartimento di Elettronica, Politecnico di Milano, Milano, Italy.
[3]. M.Dorigo and T.Stützle (2004), Ant Colony Optimization, The MIT Press Cambridge, Massachusetts, London, England.
[4]. M. Dorigo and C. Blum (2004), The Hyper-Cube Framework for Ant Colony Optimization, IEEE Transactions on Systes, Man, and Cybernetics – Part B, 34(2): pp. 1161-1172.
[5]. W.J. Gutjahr (2002), ACO algoriths with guaranteed convergence to the optimal solution, Info.Proc. Lett, Vol 83 (3), pp. 145-153.
[6]. W.J. Gutjahr (2000), An Ant based System and its convergence, future generation Comput. Systes, Vol16, pp. 873-888.
[7]. W. J. Gutjahr (2 7), “Mathematical runtime analysis of ACO algoriths: survey on an emerging issue”, Swarm Intelligence, Vol. 1, No. 1, 2007, pp. 59-79.
[8]. Hoang Xuan Huan, Dong Do Duc and Nguyen Manh Ha (2012), An Efficient Two-phase Ant Colony Optimization Algorithm for the Closest String Problem, University of Engineering and Technology, VNU, Hanoi, Vietnam.
[9]. E.Pappalardo and S.Faro, Ant-CSP: an Ant Colony Optimization Algorithm for the Closest String Problem, Universita di Catania, Dipartimento di Matematica e Informatica, Viale Andrea Doria 6, I-95125 Catania, Italy.
[10]. Zhaojun Zhang, Zuren Feng (2011), Two-Stage updating pheromone for Invariant Ant Colony Optimization algorithm, Expert System with Applications, Published by Elsevier Ltd.