Giải thuật di truyền

V í dụ 3: Áp dụng giải thuật di truyền vào bài toán lập lịchBài toán: Cho số lượng lớp là K.. Áp dụng giải thuật di truyền vào bài toán lập lịch tiếp Ý tưởng: dựa vào thuật toán di truyề

Trang 1

ThS Trần Nguyên Hương

Trang 2

GIỚI THIỆU

chuột Ban đầu chuột có hai loại: lông trắng hoặc đen Sau thời gian sống với mèo ban đêm chuột đen ít bị mèo nhìn thấy nên sống lâu hơn

và sinh đẻ thêm do đó phát triển, trong đó chuột trắng ngày càng tuyệt giống vì bị mèo ăn thịt và không có nhiều để sinh đẻ thêm

hóa để thích nghi với hoàn cảnh sẽ tồn tại và

Trang 3

GIỚI THIỆU

 Genetic Algorithms tạm dịch là Thuật giải di truyền (ngắn gọn gọi là GA) bắt nguồn từ ý niệm tiến hóa để tồn tại và phát triển trong tự nhiên

chước lối hành xử của con người để tồn tại và phát triển Nó giúp tìm ra giải pháp tối ưu hay tốt nhất trong điều kiện thời gian và không gian cho phép

Trang 4

GIỚI THIỆU

xét trước nhất một số giải pháp sau đó loại bỏ những thành phần không thích hợp và chọn những thành phần thích nghi hơn để tạo sinh

và biến hóa nhằm mục đích tạo ra nhiều giải pháp mới có hệ số thích nghi ngày càng cao

giá các giải pháp

Trang 5

GIỚI THIỆU

Cấu trúc dữ liệu + giải thuật di truyền = chương trình tiến hóa

là khái niện dùng để chỉ các chương trình máy tính có

sử dụng thuật toán tìm kiếm và tối ưu hóa dựa trên nguyên lý tiến hóa tự nhiên

Trang 6

Các bước chính của GA

giải pháp Các mô hình có thể là dãy (String) những số nhị phân: 1 và 0, thập phân và có thể là chữ hay hỗn hợp giữa chữ và số.

chuẩn đánh giá các giải pháp.

đạt được các giải pháp tốt nhất hoặc đến khi thời gian cho phép chấm dứt

Trang 7

Thuật giải di truyền

truyền

Trang 8

Các thành phần cơ bản của GA

kỳ trong quần thể Giả sử các nhiễm sắc thể của cha mẹ đều có m gen.

m-1 (ta gọi là điểm lai)

gia các quá trình tiến hóa tiếp theo

Trang 9

trong quần thể.

đến m, 1 ≤ k ≤ m.

thể để tham giá quá trình tiến hóa tiếp theo

Trang 10

 Tính độ thích nghi của từng cá thể trong quẩn thể

hiện hành, lập bảng cộng dồn các giá trị thích nghi (theo số thứ tự gán cho từng cá thể) Giả sử quần

thể có n cá thể Gọi độ thích nghi của cá thể thứ i là

Fi, tổng dồn thứ i là Fti, tổng độ thích nghi của toàn quần thể là Fm.

 Tạo một số ngẫu nhiên F trong đoạn từ 0 đến Fm.

 Chọn cá thể thứ k đầu tiên thỏa mãn F ≥ Ftk đưa vào quần thể của thế hệ mới

Trang 11

Qúa trình sinh sản (tiếp)

trong hai phương pháp sau

 Mỗi ấu nhi là một bản sao chính xác từ cha

 Mỗi ấu nhi là một bản sao chính xác từ mẹ

 Một vài bits được sao từ mẹ, vài bits được sao chép từ cha

 Cứ tiếp tục sao từ một cặp bố mẹ cho đến chừng nào điểm giao nhau, thì sao chép từ cặp bố mẹ khác.

Trang 12

Sinh sản hữu tính Giao nhau một nửa

Trang 13

Sinh sản hữu tính Giao nhau 3 điểm

Trang 14

giảm dần.

thể tốt nhất Ở đây, tả giả sử quần thể có

kích thước cố định n.

Trang 15

Cấu trúc giải thuật di truyền

Kết thúc.

Trang 16

vÝ dô 1

số của X để X*X = 64)

Hệ thập phân 1 2 3 4 5 6 7 8

Hệ nhị phân 00001 00010 00011 00100 00101 00110 00111 01000

Chọn 4 số trong số những đáp số có thể cho bài toán (mẫu thử ban đầu ở đây n = 4)

Trang 17

Thứ tự

Trang 18

vÝ dô 1

và quy định đáp số nào có hệ số thích nghi bằng

1000 hay gần 1000 nhất sẽ là đáp số của bài toán

Trang 19

vÝ dô 1

Thứ tự Nhị phân Thập phân Bình phương của Thích nghi

(1) (2) (3) hệ số ở cột (3)

trừ 64 1 00100 4 - 48 952

2 10101 21 377 623

3 01010 10 36 964

4 11000 24 512 488

Bảng 2

Trang 20

vÝ dô 1

Chúng ta thấy theo thứ tự 10 và 4 có hệ số

thích nghi cao hơn do đó chúng sẽ được chọn

để tạo sinh và biến hóa, đồng thời số 21 và 24

có hệ số thích nghi thấp nhất sẽ bị loại

001 | 00 (4) 010 | 00 (hay 8)

010 | 10 (10) 001 | 10 (hay 6)

Trang 21

vÝ dô 1

Thứ tự Nhị phân Thập phân Bình phương của Thích nghi (1) (2) (3) hệ số ở cột (3)

trừ 64 1 00100 4 - 48 952

2 01010 10 36 964

3 01000 8 0 1000

4 00110 6 - 28 968

Trang 22

vÝ dô 2

quan tâm, mỗi thành phố thăm qua đúng một lần rồi trở về điểm khởi hành Biết trước chi phí di

một lộ trình thỏa các điều kiện trên với tổng chi phí nhỏ nhất

biểu diễn các giải pháp

Trang 24

V í dụ 3: Áp dụng giải thuật di truyền vào bài toán lập lịch

Bài toán:

Cho số lượng lớp là K Mỗi lớp có một

số môn học Ta có D giáo viên, mỗi

giáo viên có thể dạy được một số môn nhất định Số môn thực tế được đưa bởi V

Yêu cầu lập lịch cho năm ngày trong

Trang 25

Áp dụng giải thuật di truyền vào

bài toán lập lịch (tiếp)

Ý tưởng: dựa vào thuật toán di truyền cổ

Trang 26

Minh họa cấu trúc dữ liệu

Trang 27

 Một giáo viên chỉ dạy được một lớp trong cùng một quãng thời gian.

 Các lớp chỉ có một môn học trong cùng một

quãng thời gian

 Tất cả các bài học của một môn nào đó dạy tại một lớp phải được dạy bởi cùng một giáo viên.

 Một giáo viên không thể dạy quá 20 giờ mỗi tuần.

Trang 28

Trang 29

thể, được được đo bằng sự vi phạm các ràng

buộc

đoạn từ 0 đến 1000000 cho hàm thích nghi Với mỗi ràng buộc mềm được gán giá trị trong đoạn

0 đến 200000

Trang 30

cảm Để phát triển quần thể, chúng ta cần lựa chọn cá thế khỏe mạnh để tái sinh.

 lựa chọn trước bằng đấu loại

 lựa chọn hiện thời ngẫu nhiên

Trang 31

Trang 32

được đổi chỗ cho nhau

hướng thay đổi vị trí của các lớp

Trang 34

bảo đảm rằng sẽ không có việc đột biến trên cùng môn đó một lần nữa Nhưng,

với mỗi giáo viên tương ứng, chúng ta sẽ chọn một giáo viên hợp lệ với môn học

Trang 35

Trang 36

Thuật toán di truyền tương tác (IGC – Interactive Genetic Algorithms)

của các cá thể được xác định trên sự tương tác với người sử dụng

 Là công cụ h u ích với Là công cụ h u ích với ữữ những bài toán mà tiêu chuẩn lượng giá rất phức tạp và/hoặc thông tin không đầy đủ, khiến cho không xây dựng một hàm thích nghi

 Ví dụ như bài toán liên quan đến hỡnh nh, âm nh nh, âm ảả

Trang 37

 Các bước thuật gi i di truyền tương tác Các bước thuật gi i di truyền tương tác ả ả

Bước 1: Khởi tạo quần thể (ngẫu nhiên), thể hiện kết

qu cho người sử dụng ả

thường có giá trị thích nghi tốt nhất

Bước 4: Hiển thị kết qu sau khi tiến hóa ả

Bước 5: Quay lại bước 2 nếu người sử dụng chưa

Thuật toán di truyền tương tác (IGC – Interactive Genetic

Algorithms)

Trang 38

Thuật toán di truyền tương tác

phạm từ nh ng nhân chứng có mặt tại hiện trường ữ

Quá trỡnh được tiến hành như sau

1 Lấy lời khai của nhân chứng (mô t lại chân Lấy lời khai của nhân chứng (mô t lại chân ả ả

dung thủ phạm)

2 Tổng hợp các lời khai để phác họa chân dung

Quá tr ỡnh được tiếp tục cho tới khi tất c các được tiếp tục cho tới khi tất c các ả ả nhân chứng đã thống nhất với nhau một (hoặc một số) chân dung thủ phạm"

Trang 39

 Đ Đ Æc trng Æc trng

Trang 40

- Xem mỗi thuộc tính như một gen

- Nhiễm sắc thể là một chuỗi tuyến tính các gen, mỗi gen có vị trí xác định trong chuỗi

Trang 41

có biểu diễn của một nhiễm sắc thể như sau:

HChk.HCh.HS.EBL.EBStr.EBP.EBH.EBS.EP.ES.

ED.EHWR.PS.NL.NW.MS.MW.MP.MTUL.MTLL

Trang 42

sát

- Ta sử dụng phương pháp tái sinh như trong

thuật gi i di truyền thông thường, ả

- Dùng nguyên tắc quay bánh xe Roulette với các rãnh được định nghĩa dựa trên độ thích nghi

Trang 43

sát

- ối với mỗi cặp khuôn mặt được ghép đôi, phát Đ

sinh ngẫu nhiên một số nguyên pos ∈ {1, ,m-1} (m

là tổng số bit để biểu diễn nhiễm sắc thể) Số pos cho biết vị trí lai

- Thay hai khuôn mặt

(a1a2 aposapos+1 am) và (b1b2 bposbpos+1 bm)

Bằng hai khuôn mặt mới:

(a a a b b ) v (b ) v (b à à b b a a )

Trang 44

Trang 45

pos là 10, 17

Trang 46

 Phép toán đột biến

- ột biến trên cơ sở từng bit Gọi pĐ m là xác

quần thể:

Với mỗi bit trong nhiễm sắc thể biểu diễn

Fi, phát sinh ngẫu nhiên một s r , phát sinh ngẫu nhiên một s r ốố ∈ [0,1]

Trang 47

Xin chân thành cảm ơn

Tiêu đề	Giải thuật di truyền
Tác giả	ThS. Trần Nguyên Hương
Trường học	Trường Đại Học
Thể loại	Luận văn

Định dạng
Số trang	47
Dung lượng	335 KB

Giải thuật di truyền

bài toỏn lập lịch (tiếp)