đồ án công nghệ thông tin XÂY DỰNG CÔNG CỤ EDITOR WORKFLOW CHO ỨNG DỤNG TÌM KIẾM DẠNG META-HEURISTIC

Để giải quyết vấn đề này, thư viện parallel meta-heuristics đã cung cấp framework giúp những người phát triển ứng dụng có thể viết các chương trình tìm kiếm dạng meta-heuristics trên lướ

Trang 1

ĐẠI HỌC QUỐC GIA TP.HCM TRƯỜNG ĐẠI HỌC BÁCH KHOA KHOA KHOA HỌC & KỸ THUẬT MÁY TÍNH

LUẬN VĂN TỐT NGHIỆP ĐẠI HỌC

XÂY DỰNG CÔNG CỤ EDITOR

WORKFLOW CHO ỨNG DỤNG TÌM KIẾM

DẠNG META-HEURISTIC

HỘI ĐỒNG: ……… GVHD: TRẦN VĂN HOÀI

GVPB: LÊ NGỌC MINH

SVTH 1: DƯƠNG HỮU LỘC (50601371) SVTH 2: NGUYỄN VĂN HIỆU (50600745)

-o0o -TP HỒ CHÍ MINH, THÁNG 1 NĂM 2011

Trang 3

LỜI CÁM ƠN

Để hoàn thành đề tài tốt nghiệp này, chúng em đã nhận được sự giúp đỡ tận tình về chuyên môn cũng như sự hỗ trợ về mọi mặt của nhiều thầy, cô trường đại học Bách Khoa thành phố Hồ Chí Minh, Khoa Khoa Học và Kỹ Thuật Máy Tính, gia đình và đặc biệt là thầy Trần Văn Hoài Chúng em xin chân thành cảm ơn:

Thầy Trần Văn Hoài, người đã tận tình giúp đỡ chúng em trong quá trình làm luận văn.

Tập thể cán bộ Khoa Khoa Học và Kỹ Thuật Máy Tính đã tạo điều kiện thuận lợi

và giúp đỡ chúng em trong suốt thời gian làm luận văn.

Và cuối cùng, xin cảm ơn gia đình đã hỗ trợ, động viên về mọi mặt trong suốt thời gian học tập và hoàn thành luận văn này.

Tp HCM, tháng 1 năm 2011

Dương Hữu Lộc Nguyễn Văn Hiệu

Trang 4

TÓM TẮT LUẬN VĂN

Thư viện parallel meta-heuristics dùng để giải bài toán dạng meta-heuristics dựa vào mô hình workflow Để cải thiện lời giải tìm được tốt hơn, mô hình workflow sẽ được cải tiến với mô hình workflow Petri-net có khả năng chọn lời giải ở từng bước tính toán, mô hình workflow có lặp vòng và nhánh song song

Để người dùng dễ dàng sử dụng mô hình workflow của thư viện, ta cần xây dựng công cụ trực quan giúp người dùng vẽ mô hình Petri-net (Workflow) đồng thời tự động sinh mã cho workflow

từ ngôn ngữ mô tả workflow

Ngôn ngữ mô tả workflow cho thư viện được xây dựng bằng ngôn ngữ XML Nó được xây dựng đơn giản, linh động, người dùng có thể tùy biến thiết kế lại tên các tham số mô tả cho các giải thuật tìm kiếm mà không cần thay đổi bộ phân tích cú pháp

Công cụ editor sẽ xây dựng ra ngôn ngữ mô tả workflow Bộ phân tích cú pháp của thư viện meta-heuristics sẽ phân tích và thi hành workflow đó đồng thời sẽ trả kết quả để hiển thị trên công cụ editor Người dùng có thể dùng công cụ trực quan với những loại bài toán tìm kiếm và chiến thuật tìm kiếm khác nhau

Trang 5

MỤC LỤC

Đề mục………Trang

Trang bìa……… 1

Lời cảm ơn……… 3

Tóm tắt……….4

Mục lục………5

Danh sách hình vẽ………9

CHƯƠNG 1 GIỚI THIỆU 10

1.1 Sơ lược về bài toán Travelling Salesman Problem 10

1.2 Giải quyết bài toán TSP 11

1.3 Tính chất song song của thư viện parallel meta-heuristic 12

1.4 Vấn đề đặt ra cho Workflow 13

1.5 Sơ lược về các công cụ editor workflow và nhận xét 14

1.5.1 Java WorkflowTooling (JWT) 14

1.5.2 JGraph 17

1.5.3 Nhận xét các công cụ editor workflow và hướng phát triển của luận văn 19

1.6 Cấu trúc của luận văn 20

CHƯƠNG 2 META-HEURISTIC 21

2.1 Khái niệm Heuristic 21

2.2 Khái niệm Meta-Heuristic 22

2.3 Một số giải thuật Heuristic tiêu biểu 23

2.3.1 Hill Climbing (HC) 23

2.3.2 Simulate Annealing (SA) 24

2.3.3 Tabu Search (TS) 24

2.4 Sự song song hóa các Meta-heuristics 25

2.5 Kiến trúc và tính năng của Framework Meta-heuristics 26

2.5.1 Kiến trúc của Framework 26

2.5.2 Các tính năng của Framework 27

CHƯƠNG 3 THƯ VIỆN META-HEURISTIC 28

3.1 Giới thiệu về thư viện Meta-heuristic 28

3.2 Thiết kế của thư viện 29

3.2.1 Cách sử dụng thư viện 29

3.2.2 Quá trình thực thi tìm kiếm 29

3.2.3 Vấn đề đóng gói dữ liệu 30

CHƯƠNG 4 BÀI TOÁN TSP VÀ KHÔNG GIAN NGHIỆM 32

4.1 Giới thiệu bài toán TSP 32

Trang 6

4.2 Không gian nghiệm tìm kiếm 33

4.3 Các giải thuật heuristic hỗ trợ giải bài toán TSP 34

4.3.1 Nearest Neighbor 34

4.3.2 2-opt 35

4.3.3 3-opt 36

4.3.4 Lin-Kernighan 37

CHƯƠNG 5 WORKFLOW VÀ NGÔN NGỮ MÔ TẢ WORKFLOW 38

5.1 Workflow 38

5.1.1 Khái niệm workflow 38

5.1.2 Hệ thống quản lý workflow 38

5.2 Directed Acyclic Graph (DAG) 39

5.3 Một số mô hình workflow 40

5.3.1 Business Process Execution Language (BPEL) 40

5.3.2 Grid Workflow Description Language (GWorkflowDL) 41

5.4 Mô hình Petri-net 41

5.4.1 Tổng quan về Petri-net 41

5.4.2 Đặc tả Petri-net 42

5.4.3 Một số mô hình Petri-net 42

5.4.4 Một số mô hình workflow 43

5.4.4.1 Các mô hình điều khiển dòng cơ bản 44

5.4.4.2 Mô hình rẽ nhánh và đồng bộ cấp cao 45

5.5 Ngôn ngữ mô tả workflow 46

5.5.1 Lý do dùng XML làm ngôn ngữ mô tả workflow 46

5.5.2 Cú pháp của ngôn ngữ mô tả workflow tìm kiếm 46

5.5.2.1 Element Workflow 47

5.5.2.2 Element Place 48

5.5.2.3 Element Argument 48

5.5.2.4 Element Transition 50

5.5.2.5 Element Edge 52

CHƯƠNG 6 THIẾT KẾ CÔNG CỤ EDITOR 53

6.1 Tổng quan về thư viện Swing 53

6.1.1 Giới thiệu 53

6.1.2 Các thành phần của thư viện Swing 54

6.2 Sơ lược về giao diện và sơ đồ hoạt động của Workflow Editor 55

6.2.1 Giao diện của Workflow Editor 55

6.2.2 Sơ đồ hoạt động của Workflow Editor 56

6.3 Giới thiệu các chức năng của Workflow Editor 58

6.3.1 Các chức năng cơ bản 58

6.3.1.1 Tạo workflow mới 58

6.3.1.2 Lưu workflow 58

6.3.1.3 Mở workflow 60

6.3.1.4 Edit một workflow 61

Trang 7

6.3.1.5 Các tác vụ liên quan tới node 62

6.3.2 Các chức năng nâng cao 65

6.3.2.1 Export 65

6.3.2.2 Giám sát và điều khiển quá trình thực thi của workflow 66

6.4 Hướng thiết kế, các sơ đồ mô tả cấu trúc và hoạt động của Workflow Editor 66

6.4.1 Hướng thiết kế của chương trình 66

6.4.2 Mô hình cơ bản của Workflow Editor 67

6.4.3 Mô hình các tác vụ quản lý workflow 68

6.4.4 Mô hình các tác vụ liên quan đến node 70

6.5 Sơ đồ một số chức năng cơ bản của Workflow Editor 71

6.5.1 Tạo một workflow mới 71

6.5.2 Xóa một workflow 72

6.5.3 Tạo một node mới 73

6.5.4 Tạo Edge giữa các node 74

6.5.5 Di chuyển một node 75

6.5.6 Xóa một node 76

6.5.7 Chỉnh sửa thông tin của node 77

CHƯƠNG 7 CHỨC NĂNG NÂNG CAO CỦA WORKFLOW EDITOR 79

7.1 Mô hình chính của Workflow Editor kèm theo thư viện parallel meta-heuristic 79

7.2 Kiểm tra tính liên thông của đồ thị workflow 80

7.2.1 Sơ lược về đồ thị liên thông 80

7.2.2 Kiểm tra tính liên thông của đồ thị workflow 81

7.3 Vấn đề về generate và parse file XML 82

7.3.1 Các tính năng của thư viện parallel meta-heuristic 82

7.3.1.1 Kiến trúc của hệ thống sinh mã 82

7.3.1.2 Bộ phân tích cú pháp XML 82

7.3.2 Bổ sung tính năng generate và parse file XML dựa vào ngôn ngữ Java 84

7.3.2.1 Lý do cho việc generate và parse file XML dùng Java 84

7.3.2.2 Các lớp dùng cho việc generate XML 84

7.3.2.3 Các lớp dùng cho việc parse file XML trên ngôn ngữ Java 87

7.4 Vấn đề kết nối giữa Workflow Editor và thư viện parallel meta-heuristic 90

CHƯƠNG 8 THỬ NGHIỆM CHƯƠNG TRÌNH 92

8.1 Các bước chạy chương trình 92

8.2 Kết quả quá trình thực thi 92

CHƯƠNG 9 KẾT LUẬN VÀ HƯỚNG PHÁT TRIỂN 96

9.1 Kết luận 96

9.2 Hướng phát triển 96

TÀI LIỆU THAM KHẢO 98

Trang 8

DANH SÁCH HÌNH VẼ

Hình 1.1: Bài toán TSP thực tế 10

Hình 1.2: Quá trình song song hóa 12

Hình 1.3: Giao diện của JWT 15

Hình 1.4: Mô hình BPMN 16

Hình 1.5: JGraph MVC 17

Hình 1.6: Giao diện Jgraph 18

Hình 2.1: Kiến trúc Framework 26

Hình 4.1 Ví dụ bài toán TSP 32

Hình 4.2: Không gian nghiệm tổng quát 33

Hình 4.3: Minh họa Nearest Neighbor Algorithm 34

Hình 4.4: Minh họa 2-opt 35

Hình 4.5: Minh họa 3-opt 36

Hình 5.1: Directed Acyclic Graph 40

Hình 5.2: Mô hình workflow được mô tả bằng BPEL 40

Hình 5.3: Mô hình workflow được mô tả bằng GworkflowDL 41

Hình 5.4: Mô hình workflow được mô tả bằng Petri-net 42

Hình 5.5: Các thành phần của mô hình Petri-net 42

Hình 5.6: Các mô hình workflow được thể hiện bằng Petri-net 43

Hình 6.1: Năm thành phần của thư viện JFC 53

Hình 6.2: Mối liên hệ giữa Swing, AWT, JDK 1.1 và JDK 1.2 trở về sau 54

Hình 6.3: Mô hình phân cấp của thư viện Swing và một vài component của nó 55

Hình 6.4: Giao diện của Workflow Editor trên Linux 56

Hình 6.5: Use Case các tác vụ của Workflow Editor 56

Bảng 6.1: Danh sách các tác vụ của Workflow Editor 57

Hình 6.6: Tạo mới workflow bằng cách click vào nút New 58

Hình 6.7: Tạo mới workflow bằng cách chọn menu File -> New Workflow 58

Hình 6.8: Save workflow bằng cách click vào nút Save 59

Hình 6.9: Save workflow bằng cách chọn menu File -> Save hoặc Save As 59

Hình 6.10: Khung Save As cho phép người dùng chọn vị trí để lưu file XML 60

Hình 6.11: Mở workflow bằng cách click vào nút Open 60

Hình 6.12: Mở workflow bằng cách chọn menu File -> Open 61

Hình 6.13: Khung Open cho phép người dùng chọn file XML cần mở 61

Hình 6.14: Xóa một workflow bằng cách chọn Delete 62

Hình 6.15: Cửa sổ cho phép nhập các thuộc tính của workflow 62

Hình 6.16: Chọn loại node để vẽ 63

Hình 6.17: Right Click lên node sẽ hiện lên các tác vụ thực hiện trên node đó 63

Hình 6.18: Hai mũi tên trên ToolBar dùng cho việc vẽ Edge 64

Hình 6.19: Ví dụ về các thông số của node SA 65

Hình 6.20: Chỉ cần đưa con trỏ vào node thì information popup sẽ tự động hiện ra 65

Hình 6.21: Các button dùng điều khiển quá trình thực thi của workflow 66

Hình 6.22: Mô hình top-down của Workflow Editor 67

Trang 9

Hình 6.23: Mô hình UML tổng quát của Workflow Editor 68

Hình 6.24: Mô hình UML các tác vụ quản lý workflow 69

Hình 6.25: Mô hình UML các tác vụ liên quan đến node 70

Hình 6.26: Sơ đồ tuần tự các hoạt động khi tạo một workflow 72

Hình 6.27: Sơ đồ tuần tự các hoạt động khi xóa một workflow 73

Hình 6.28: Sơ đồ tuần tự các hoạt động khi tạo một node 74

Hình 6.29: Sơ đồ tuần tự các hoạt động khi tạo một Edge 75

Hình 6.30: Sơ đồ tuần tự các hoạt động khi di chuyển một node 76

Hình 6.31: Sơ đồ tuần tự các hoạt động khi xóa một node 77

Hình 6.32: Sơ đồ tuần tự các hoạt động khi chỉnh sửa thông tin của node 78

Hình 7.1 Mô hình chính của Worklfow Editor và thư viện parallel meta-heuristic 79

Hình 7.2: Hai đồ thị liên thông 81

Hình 7.3: Đồ thị liên thông mạnh (trái) và đồ thị liên thông yếu (phải) 81

Hình 7.4: Mô tả kiến trúc của hệ thống sinh mã 82

Hình 7.5: Dạng element phân cấp trong ngôn ngữ mô tả workflow 83

Hình 7.6: Cấu trúc chi tiết bên trong bộ phân tích cú pháp 83

Hình 7.7: Sơ đồ tuần tự các hoạt động khi tạo file XML 86

Hình 7.8: Sơ đồ quá trình parse một tài liệu XML sang cấu trúc DOM 88

Hình 7.9: Giao thức TCP giữa Workflow Editor và thư viện 90

Hình 8.1: Hộp thoại yêu cầu nhập vào đường dẫn đến thư viện 92

Hình 8.2: Chạy workflow không có transition 93

Hình 8.3: Kết quả của hình 8.2 93

Hình 8.4: Chạy workflow có transition 94

Hình 8.6: Stop một workflow 95

Hình 9.1 Cải tiến Workflow Editor 97

Trang 10

Chương 1 Giới thiệu

CHƯƠNG 1 GIỚI THIỆU

1.1 Sơ lược về bài toán Travelling Salesman Problem

Ngày nay trong cuộc sống, có những công việc đòi hỏi con người phải thực hiện sao cho đạt được lợi ích càng nhiều càng tốt với một chi phí nhỏ có thể chấp nhận được Ví dụ như công việc chở hàng giữa các thành phố đã biết trước Người chở hàng phải tính toán sao cho phải đi qua các thành phố đúng một lần và phải quay về thành phố đầu tiên (nơi khởi hành) Việc quyết định sẽ

đi qua thành phố nào trước sẽ ước tính được chi phí nguyên liệu cần thiết trong cuộc hành trình Mỗi cách lựa chọn sẽ tính được các chi phí nguyên liệu khác nhau Chi phí nguyên liệu nào là nhỏ nhất trong các cách lựa chọn mà người này biết được sẽ được chọn để thực hiện cuộc hành trình

Hình 1.1: Bài toán TSP thực tế

Trang 11

Các yêu cầu trên được gọi là bài toán Travelling Salesman Problem (TSP) Hình 1.1 minh họa bài toán TSP thực tế Để giải quyết bài toán trên ngoài việc dự đoán và lựa chọn của người giao hàng, chúng ta có thể sử dụng máy tính để giải quyết Trên thực tế bài toán TSP rất phức tạp vì cần phải giải quyết rất nhiều thành phố (độ phức tạp của bài toán tỷ lệ thuận với số thành phố cần

đi qua) Dĩ nhiên là con người không thể nào giải quyết được, còn máy tính có thể giải xấp xỉ để cho ra nghiệm gần với nghiệm tối ưu bởi vì nó cần nhiều không gian tìm kiếm và thời gian tính toán

1.2 Giải quyết bài toán TSP

Nhiều giải pháp được đưa ra để giải quyết loại bài toán này Meta-heuristics là một phương pháp đã giải quyết được bài toán này bằng cách tìm những lời giải xấp xỉ trong một khoảng thời gian có thể chấp nhận được Tuy nhiên chất lượng của lời giải phụ thuộc vào nhiều yếu tố khác nhau như không gian và chiến thuật tìm kiếm Chúng ta có thể cải thiện lời giải bằng cách mở rộng không gian tìm kiếm, chạy với nhiều giải thuật tìm kiếm khác nhau Với sự hỗ trợ nhiều máy tính chạy song song và giải thuật tìm kiếm tốt, lời giải có thể tốt hơn Để triển khai việc tính toán trên nhiều máy, cách tiếp cận của chúng ta là sử dụng tính toán lưới (Grid computing)

Để triển khai phương pháp meta-heuristics, chúng ta sẽ dùng thư viện parallel meta-heuristics Như đã biết, mô hình lập trình tính toán lưới là khá phức tạp và khó tiếp cận, người phát triển ứng dụng thường không quen với mô hình này Để giải quyết vấn đề này, thư viện parallel meta-heuristics đã cung cấp framework giúp những người phát triển ứng dụng có thể viết các chương trình tìm kiếm dạng meta-heuristics trên lưới dễ dàng Framework cung cấp một số giải thuật tìm kiếm heuristic phổ biến như: giải thuật leo đồi, giải thuật luyện kim, giải thuật Tabu search và cơ chế giúp cho việc triển khai ứng dụng trên grid dễ dàng Ngoài ra, framework của thư viện cũng cung cấp mô hình workflow cho người dùng để viết những ứng dụng riêng Framework của thư viện hỗ trợ hai mô hình workflow tuần tự và song song cho người sử dụng dễ dàng phát triển ứng dụng của mình Workflow tuần tự dùng để thử nghiệm và debug chương trình, và sau khi chương

Trang 12

trình chạy ổn định trên mô hình workflow tuần tự, ta có thể tiến hành chạy trên các hệ thống phân

bổ với mô hình workflow song song

1.3 Tính chất song song của thư viện parallel meta-heuristic

Ngày nay với sự phát triển mạnh mẽ của phần cứng, chúng ta có thể dùng nhiều máy tính tham gia vào tính toán lưới để giải quyết bài toán TSP hoặc các bài toán khác như CSP Do ưu điểm có nhiều processor, các máy tính có thể giải quyết các công việc độc lập với nhau Vì vậy chúng ta mới có thể tận dụng được sức mạnh của của các hệ thống đó Đó chính là lý do lập trình song song ra đời

Quá trình song song hóa gồm ba giai đoạn chính:

• Phân chia chương trình thành các công việc con (Sub-task decomposition)

• Phân tích sự phụ thuộc (Dependence analysis)

• Định thời các công việc (Task scheduling)

Hình 1.2: Quá trình song song hóa

Trang 13

Hình 1.2 minh họa quá trình song song hóa Sự song song hóa là quá trình biến đổi các chương trình tuần tự thành chương trình song song có khả năng tận dụng tối đa sức mạnh của hệ thống Thư viện parallel meta-heuristic cũng được phát triển theo hướng song song hóa Giả sử ta

có một tập hợp các giải thuật được chỉ định bởi một workflow, ta có một hệ thống gồm 2 máy có thể thực thi một cách độc lập nhau

Khi đó, thư viện parallel sẽ phân chia tập các giải thuật thành các tập con các giải thuật sao cho thích hợp với kích thước chương trình, ngôn ngữ lập trình, kiến trúc của hệ thống máy tính…

ra thành các Task như trong hình trên Giai đoạn này được gọi là Sub-taskdecomposition

Giả sử tùy thuộc vào nội dung của workflow mà ta thấy Task A sẽ được thực thi đầu tiên, kế đến là Task B,C và D đều phụ thuộc vào Task A nhưng chúng không phụ thuộc lẫn nhau Giai đoạn nhận biết các Task có phụ thuộc lẫn nhau hay không gọi là Dependence Analysis

Kế đến là giai đoạn Task Scheduling dùng để định thời các Task trên và tìm được một biểu đồ nhanh nhất có thể để thực thi chương trình Các Task không phụ thuộc vào nhau được phân bố trên 2 processor Một Task chỉ có thể được thực thi trên một processor sau khi công việc trước

mà nó phụ thuộc được thực hiện Còn lại các công việc không phụ thuộc nhau có thể tiến hành song song trên mỗi processor Nhờ đó có thể tiết kiệm được thời gian chạy của chương trình

1.4 Vấn đề đặt ra cho Workflow

Do tính chất của bài toán TSP là phức tạp (hoặc các bài toán khác cũng có độ phức tạp không kém) và do meta-heuristics không phải là dạng tìm kiếm chính xác Do đó, các công việc tìm kiếm ở những lần chạy khác nhau sẽ cho ra lời giải khác nhau, và người dùng phải thay đổi các thông số của các giải thuật tìm kiếm để cho ra các kết quả khác Việc chỉnh sửa và thi hành các workflow được thực hiện thường xuyên và phải chỉnh sửa trong các đoạn code của chương trình thực thi

Vì vậy việc để có được một công cụ editor trực quan cho phép người dùng chỉnh sửa workflow là rất cần thiết

Trang 14

Luận văn này chúng ta sẽ nghiên cứu về việc tạo ra một công cụ editor cho phép người dùng chỉnh sửa và giám sát quá trình thực thi của workflow dựa trên thư viện parallel meta-heuristices

có sẵn

1.5 Sơ lược về các công cụ editor workflow và nhận xét

Hiện nay cókhánhiều công cụ editor là open source hoặc payed source Chúng ta sẽ xem qua một số loại tiêu biểu

Trang 15

Hình 1.3: Giao diện của JWT

JWT được phát triển dựa trên ngôn ngữ Java Chương trình trên cho phép người dùng vẽ các công việc (các node) và các đường liên kết giữa các công việc đó Người dùng có thể thao tác trên đồ thị workflow một cách trực quan bằng chuột, có thể di chuyển, thêm, sửa, xóa… trong vùng làm việc chính giữa

JWT sử dụng các biểu tượng trên workflow phù hợp cho việc tạo các quy trình (process) trong doanh nghiệp, kiểm tra tính hợp lệ của các quy trình… Ví dụ JWT có thể cho phép người dùng vẽ

mô hình The Business Process Modeling Notation (BPMN) dùng trong doanh nghiệp

Trang 16

Hình 1.4: Mô hình BPMN

Trong khuôn khổ của luận văn này, chúng ta sẽ dùng mô hình Petri-net cho việc giải bài toán TSP (mô hình BPMN khá phức tạp chỉ thích hợp trong doanh nghiệp) Đi theo mô hình BPMN JWT còn cung cấp định dạng file XML theo chuẩn BPMN

Ngoài mô hình BPMN, JWT cũng hỗ trợ cho các mô hình khác cũng như các định dạng XML tương ứng như STP-IM, XPDL, jPDL.

Trong khuôn khổ của luận văn này, chúng ta sẽ dùng XML theo định dạng DOM thích hợp với mô hình Petri-net hơn.

Ngoài các tính năng trên, JWT còn có thêm chức năng Runtime đang trong giai đoạn phát triển

Trang 17

Chuẩn XML của BPMN

1.5.2 JGraph

JGraph là một công cụ được phát triển dựa trên thư viện Swing của Java Nó được thiết kế bằng cách dùng design patterns để cung cấp các hàm API mạnh mẽ, người sử dụng có thể hiển thị, tương tác các đồ thị, hình vẽ và có khả năng tạo các ứng dụng dạng đồ thị với nhiều kiểu khác nhau

<xsd:attribute name="definition" type="xsd:QName"/>

<xsd:attribute name="mustUnderstand" type="xsd:boolean" use="optional"/>

</xsd:complexType>

Trang 18

Vì JGraph là công cụ editor open source nên cho phép người dùng chỉnh sửa hay cải tiến lớp chính Class JGraph Hình 1.5 trình bày mô hình điều khiển hiển thị của JGraph (model-view-controller pattern)

Hình 1.6: Giao diện Jgraph

Hình 1.6 trình bày giao diện của JGraph Trên hình 1.6, ta thấy cũng có vùng làm việc chính ở giữa và các vùng làm việc phụ ở xung quanh Vùng làm việc chính cho phép người dùng chỉnh sửa các node trong đồ thị, các vùng còn lại cho phép chỉnh sửa thông số của từng node hay cho phép người dùng thao tác các đồ thị như thêm, xóa đồ thị

Với JGraph, chúng ta có thể tạo ra các đồ thị như mô hình mạng viễn thông, biểu đồ dòng chảy (flow charts), biểu đồ kiến trúc vi mạch, VLSI và CAD, biểu đồ quy trình của doanh nghiệp… Ngoài ra JGraph cũng hỗ trợ XML

Trang 19

1.5.3 Nhận xét các công cụ editor workflow và hướng phát triển của luận văn

Ngoài hai công cụ ở trên còn nhiều công cụ khác Chúng ta nhận thấy chúng có chung các đặc điểm như: tương tác trực quan với người dùng bằng cách cho phép người dùng chỉnh sửa đồ thị workflow, cho phép xuất ra file XML theo chuẩn mà nhà phát triển quy định Chúng cũng thích hợp để giải quyết nhiều loại bài toán khác nhau cũng như tương thích với nhiều loại thư viện khác nhau

Tuy nhiên xét về đặc thù của luận văn, các mô hình đồ thị workflow phải giải quyết bài toán TSP dùng thư viện paralell meta-heuristics Ngoài ra, công cụ editor phải được phát triển sao cho

có thể chạy được nhiều thư việc khác cũng như chạy được nhiều bài toán khác nhau Chúng ta liệt kê những thách thức trong việc phát triển công cụ editor workflow như sau:

• Thiết kế phải đơn giản nhưng hiệu quả Thiết kế sao cho công cụ editor phải dùng được nhiều thư viện khác nhau (ngoài parallel meta-heuristics)

• Dùng ngôn ngữ lập trình Java vì ngôn ngữ này cung cấp các hàm API dùng để thiết kế giao diện khá hiệu quả

• Tập trung vào các giải thuật Hill Climbing, Simulated Annealing, Tabu Search Đây là các giải thuật mà thư viện parallel meta-heuristics đã cung cấp sẵn Ngoài ra ta cũng có thể phát triển các giải thuật trên cho việc tìm kiếm đạt hiệu quả cao hơn hoặc tự thiết

kế giải thuật khác cho bài toán TSP

• Việc xuất ra file XML cũng phải tuân theo chuẩn mô hình DOM để thư viện xử lý

• Tìm cách liên kết giữa 2 ngôn ngữ Java (phía giao diện) và POPC++ (phía thư viện) để trong lúc vận hành, chúng ta có thể dừng việc thực thi ở bất kỳ lúc nào trên giao diện

đồ họa hay giám sát quá trình thực thi đồng thời hiển thị kết quả trên giao diện Bằng cách đó ta có thể liên kết giữa editor với các thư viện khác nhau

Việc phát triển giao diện trực quan giúp cho người sử dụng có thể điều khiển workflow một cách linh hoạt hơn, việc thử nghiệm và tìm kiếm các kết quả mong muốn từ bài toán TSP sẽ trở nên đơn giản hơn Chương trình cũng dùng được cho các thư viện hay giải quyết các bài toán khác nhau

Trang 20

1.6 Cấu trúc của luận văn

Cấu trúc của luận văn gồm có:

• Khái niệm về meta-heuristics và một số giải thuật meta-heuristices tiêu biểu

• Sơ lược về kiến trúc framework của thư viện parallel meta-heuristics

• Giới thiệu về bài toán TSP và không gian nghiệm

• Khái niệm về workflow

• Khái niệm về mô hình Petri-net cho workflow

• Sơ đồ của hệ thống, sơ đồ thiết kế của chương trình editor

• Giới thiệu công cụ Xerces2 Java dùng để sinh mã cho workflow

• Giới thiệu về cơ chế Socket

• Thử nghiệm chương trình

• Kết luận

Trang 21

Chương 2 Meta-Heuristic

CHƯƠNG 2 META-HEURISTIC

2.1 Khái niệm Heuristic

Heuristic theo cách hiểu đơn giản là tìm kiếm theo kinh nghiệm Khi áp dụng heuristic thì bài toán có khả năng loại bỏ những trường hợp không cần thiết Có thể nói Heuristic là tri thức về bài toán cụ thể được sử dụng để dẫn dắt quá trình tìm ra lời giải của giải thuật Nhờ sự thêm vào các heuristic mà giải thuật trở nên hữu hiệu hơn

Giải thuật heuristic là giải thuật sử dụng thông tin hàm lượng giá heuristic để thực hiện việc tìm kiếm Hàm lượng giá dùng để thu gọn các không gian bài toán

Bất kỳ thủ tục để tìm một giải pháp khả thi , với là một nghiệm của bài toán

Hầu như chắc chắn với f được xem như hàm lượng giá

Phần lớn các heuristic cổ điển có nhiều vòng lặp

• miền lân cận, với là không gian nghiệm của bài toán

• m(x): ứng dụng chuyển đổi, tùy thuộc vào từng giải thuật cụ thể mà ứng dụng chuyển đổi sẽ khác nhau

• trạng thái của bài toán sau khi di chuyển

Các bước đơn giản của thuật toán heuristic:

1. Xác định và khởi tạo nghiệm ban đầu

Trang 22

5. Ngược lại, chuyển trạng thái cũ thành trạng thái mới bằng cách dùng hàm m(x):

trở lại bước 2

2.2 Khái niệm Meta-Heuristic

Meta-heuristic là một phương pháp heuristic để giải quyết một lớp các vấn đề tính toán bằng cách kết hợp các thủ tục hộp đen của người sử dụng (thường trong hộp đen cũng là các heuristic) với hy vọng thu được nhiều hiệu quả hoặc nhiều thủ tục mạnh hơn Cho nên meta-heuristic là loại heuristic tổng quát có thể áp dụng cho nhiều lớp bài toán

Meta-heuristics nói chung được áp dụng cho các vấn đề mà không có thuật toán hay heuristic

cụ thể nào thỏa mãn; hoặc khi không thể hiện thực như một phương pháp Hầu hết sử dụng heuristic để nhắm vào các vấn đề tối ưu hóa tổ hợp (combinatorial optimization), nhưng tất nhiên

meta-có thể xử lý bất kỳ vấn đề nào được đúc kết lại theo hình thức đó, chẳng hạn như giải quyết các phương trình boolean

Meta-heuristics được sử dụng trong nhiều lĩnh vực như: toán học, nghiên cứu các tác vụ, trí tuệ nhân tạo

Meta-heuristics còn được sử dụng trong rất nhiều ứng dụng như thiết kế, lập kế hoạch, điều khiển các hệ thống và mạng phức tạp; quản lý, chỉ định, định thời và sử dụng tài nguyên; thiết kế VLSI…

Đối với bài toán TSP, meta-heuristic là sự kết hợp giữa việc thực hiện các giải thuật heuristic

và sự thăm dò không gian lân cận của nghiệm hiện tại

Ưu điểm của meta-heuristic:

• Tránh được tối ưu cục bộ

• Tránh được lặp vòng

• Không nhất thiết phải cải thiện trong mỗi lần lặp

Các bước thực hiện của meta-heuristic:

1 Khởi tạo nghiệm ban đầu

2. Lựa chọn vùng lân cận của nghiệm hiện tại

Trang 23

3. Trong vùng lân cận lựa chọn vùng dự tuyển

4 Đánh giá di chuyển / thăm dò vùng lân cận

5 Thực hiện di chuyển

6 Đánh giá trạng thái, cập nhật các tham số tìm kiếm

7 Kiểm tra ngừng các yêu cầu: ngừng hoặc trở về bước 3 hoặc bước 2

2.3 Một số giải thuật Heuristic tiêu biểu

Heuristic bao gồm nhiều giải thuật như Hill Climbing, Simulate Annealing, Tabu Search, Genetic Algorithms, Ant Systems… Trong khuôn khổ của luận văn này sẽ trình bày 3 giải thuật

mà thư viện parallel meta-heuristic hướng đến

2.3.1 Hill Climbing (HC)

Đây là giải thuật tiêu biểu cho các giải thuật meta-heuristic Giải thuật này dựa theo ý tưởng của việc một người phải leo từ dưới mặt đất lên đến đỉnh cao nhất trong dãy các ngọn đồi mà không nhìn thấy trước được đỉnh đó ở đâu Giải thuật này sử dụng hàm lượng giá Đối với giải thuật leo đồi đơn giản, khi thử một trạng thái kề trạng thái hiện tại (trạng thái mới chưa được duyệt qua), nếu hàm lượng giá được cải thiện thì bài toán sẽ chuyển đến trạng thái mới Nói cách khác hàm lượng giá là một cách để đưa tri thức cụ thể cho nhiệm vụ của bài toán vào trong quá trình điều khiển

Các bước cơ bản của giải thuật HC:

1 Lượng giá trạng thái khởi đầu

2 Lặp cho đến khi đạt đến trạng thái mục tiêu hoặc không còn tác vụ để thử:

- Chọn một tác vụ để thử

- Lượng giá trạng thái mới do tác vụ sinh ra

- Nếu đó là trạng thái mục tiêu thì kết thúc

Nếu trạng thái mới tốt hơn trạng thái hiện tại thì chuyển sang trạng thái mới

Trang 24

2.3.2 Simulate Annealing (SA)

Do S Kirkpatrick, C D Gelatt và M P Vecchi đưa ra vào 1983

Giải thuật mô phỏng luyện kim là một kỹ thuật tìm kiếm ngẫu nhiên (stochastic search) mà tỏ

ra rất hữu hiệu cho những bài toán tối ưu hóa qui mô lớn Trong kỹ thuật này, nhiệt độ là biến được khởi tạo ở một giá trị cao và dần dần giảm dần xuống trong quá trình tìm kiếm Tại những trị nhiệt độ cao, các bước chuyển được chấp nhận một cách ngẫu nhiên bất luận chúng là bước chuyển có cải thiện hàm chi phí của lời giải hay không Khi nhiệt độ được giảm xuống, xác suất

để chấp nhận một lời giải có cải thiện sẽ tăng lên và xác suất để chấp nhận một lời giải không cải thiện sẽ giảm xuống Có một số cách thức giảm nhiệt độ dần xuống được dùng trong giải thuật luyện kim, được gọi là lịch biểu làm nguội (cooling schedule)

Các bước cơ bản của giải thuật SA:

- Thiết lập giá trị T theo cách điều chỉnh nhiệt độ trong quá trình luyện kim

Nếu trạng thái mới tốt hơn trạng thái hiện tại thì chuyển sang trạng thái mới

Nếu trạng thái mới xấu hơn trạng thái hiện tại thì chuyển sang trạng thái mới với

xác suất , trong đó ΔE là hiệu số của giá trị của trạng thái hiện tại và giá trị

của trạng thái mới

2.3.3 Tabu Search (TS)

Tìm kiếm Tabu được đề xuất bởi Glover năm 1986 Phương pháp dò tìm trong không gian lời giải bằng cách di chuyển từ một lời giải s tại lượt lặp t về một lời giải tốt nhất s’ trong tập con N* của miền lân cận N(s) Vì s’ không nhất thiết cải thiện chi phí của s, một cơ chế được đặt ra để ngăn chặn quá trình khỏi lặp vòng trên một chuỗi các lời giải Một cách để tránh sự lặp vòng là cấm quá trình tìm kiếm quay về những lời giải đã gặp rồi, nhưng làm như vậy đòi hỏi phải lưu trữ

Trang 25

Các bước cơ bản của giải thuật TS:

2 Khởi tạo danh sách Tabu

- Nếu trạng thái mới tốt hơn trạng thái hiện tại và không nằm trong danh sách Tabu thì chuyển sang trạng thái mới

- Lưu trạng thái mới vào danh sách Tabu

2.4 Sự song song hóa các Meta-heuristics

Tối ưu hóa bài toán phụ thuộc vào không gian và chiến lược tìm kiếm bằng cách mở rộng không gian tìm kiếm và chạy trên nhiều chiến lược tìm kiếm khác nhau Tuy nhiên, điều đó có thể dẫn tới việc tăng thời gian tìm kiếm

Để giải quyết vấn đề này ta sử dụng mô hình tính toán song song Mục tiêu chính là tăng khả năng tính toán bằng cách chia nhỏ công việc ra cho nhiều process thực hiện Chiến lược tìm kiếm cho meta-heuristics có 3 loại:

• Loại 1: chiến lược này cố gắng song song hóa việc lượng giá các bước move trong

vòng lặp nhằm gia tăng thời gian tính toán

• Loại 2: tiếp cận mục tiêu song song bằng cách phân chia ra tập biến xác định Việc

phân chia này làm giảm không gian tìm kiếm nhưng cần nhiều bước lặp để tìm hết tất

cả các tập không gian

Trang 26

• Loại 3: phương pháp song song sử dụng việc chạy các không gian tìm kiếm, mỗi tìm

kiếm sẽ có các giá trị khởi tạo, thông số khác nhau

Loại 3 được xem như là phương pháp tìm kiếm riêng rẽ, trong khi 2 loại còn lại thường được gọi là chiến lược đồng bộ đa luồng

2.5 Kiến trúc và tính năng của Framework Meta-heuristics

2.5.1 Kiến trúc của Framework

Hình 2.1: Kiến trúc Framework

• POP-C++, MPI: Thư viện POP-C++ quản lý các đối tượng để chạy trong môi trường phân tán POP-C++ là mô hình nâng cao của C++ có khả năng đễ tạo, quản lý

Trang 27

các đối tượng trên các processor từ xa Cú pháp gần tương đồng với ngôn ngữ C++ vì

thế mà người lập trình cần chỉnh sửa chương trình để chạy trên môi trường phân tán

• Workflow Engine: Lớp này điều khiển trình tự thực hiện của các công việc Các modul đó dùng để kiểm tra tính sẵn có dữ liệu của mỗi công việc và thực thi chúng nếu tất cả yếu tố đầu vào có sẵn Trong khi các quá trinh thăm dò được thực hiện,

Workflow Engine giám sát chúng cho đến khi hoàn thành.

• Search Algorithm: Các lớp giải thuật tìm kiếm cung cấp các cơ chế tìm kiếm meta-heuristics cơ bản như HC,SA,TS Những giải thuật đó cung cấp khung cơ bản cho mỗi giải thuật tìm kiếm

3 lớp trong thư viện có thể làm việc cùng 1 lúc hay có thể làm việc 1 cách độc lập, giao tiếp trực tiếp với tầng thấp hơn

2.5.2 Các tính năng của Framework

Framework cung cấp các tính năng sau đây: điều khiển đối tượng từ xa, điều khiển và giám sát trình tự công việc, cung cấp các heuristic cơ bản như Hill Climbing, Simulated annealing, Tabu Search

Trang 28

Chương 3 Thư viện Meta-heuristic

CHƯƠNG 3 THƯ VIỆN META-HEURISTIC

Chương này sẽ trình bày sơ lược về cách sử dụng, quá trình thực thi tìm kiếm, vấn đề đóng gói

dữ liệu của thư viện parallel meta-heuristic

3.1 Giới thiệu về thư viện Meta-heuristic

Thư viện được phát triển để phục vụ cho việc tìm kiếm trên lưới Mục tiêu chính của đề tài này chính là tạo được một công cụ trực quan hỗ trợ tạo Workflow cho thư viện này Các chức năng chính của thư viện:

• Cung cấp các giải thuật tìm kiếm meta-heuristic Một số giải thuật mà thư viện cung cấp sẵn là Hill Climbing, Simulate Annealing và Tabu Search Để sử dụng người dùng cần đặc tả nghiệm, các phép biến đổi lượng giá… sau đó thư viện sẽ tự động thực hiện việc tìm kiếm dựa trên đặc tả của người dùng

• Cung cấp mô hình thực thi song song theo dạng workflow Người dùng sẽ đặc tả luồng thực thi tìm kiếm, sau đó thư viện sẽ thực thi và theo dõi

• Sử dụng ngôn ngữ lập trình C++ Do thư viện được thực hiện dựa trên ngôn ngữ C++ có cú pháp tương tự C++, nhưng bổ sung thêm một số từ khóa cho việc lập trình song song, nên có thể gây khó khăn cho người dùng Vì vậy, thư viện được thiết kế giúp người dùng có thể viết chương trình chạy trên GRID nhưng không cần phải biết

POP-về C++

• Hỗ trợ thử nghiệm và debug chương trình Khi phát triển ứng dụng phân bố, thử nghiệm và debug là một vấn đề khá khó khăn Để giúp việc debug trở nên dễ dàng hơn, thư viện hỗ trợ hai dạng workflow: tuần tự và song song Người lập trình có thể

sử dụng workflow dạng tuần tự để thử nghiệm khi phát triển Khi đã xong, họ có thể sử dụng workflow dạng song song để thực thi trên môi trường phân bố

Trang 29

3.2 Thiết kế của thư viện

• Lựa chọn giải thuật tìm kiếm: Người dùng sẽ lựa chọn giải thuật tìm kiếm thích hợp và kết hợp với các đặc tả để thành giải thuật hoàn chỉnh Các giải thuật tìm kiếm do thư viện cung cấp sẵn, hoặc nếu cần thiết, người dùng có thể tạo ra các giải thuật tìm kiếm mới bằng cách sử dụng các interface đã cung cấp cho thư viện

• Đặc tả workflow: Sau khi đã có các giải thuật tìm kiếm cần thiết, người dùng sẽ tạo workflow cho chương trình Workflow được định nghĩa dưới dạng đồ thị có hướng không lặp vòng (DAG) Các giải thuật tìm kiếm sẽ là các đỉnh trong đồ thị, và các cạnh của đồ thị mô tả sự phụ thuộc dữ liệu giữa các giải thuật tìm kiếm Người dùng có thể lựa chọn một trong hai dạng workflow mô tả bởi thư viện: dạng song song hoặc tuần tự

• Thực thi tìm kiếm: Cuối cùng, người dùng sẽ gọi lệnh thực thi tìm kiếm Thư viện sẽ dựa vào workflow do người dùng mô tả để điều khiển thứ tự thực thi Nghiệm sẽ được trả về khi kết thúc việc tìm kiếm

3.2.2 Quá trình thực thi tìm kiếm

Quá trình thực thi tìm kiếm sẽ phụ thuộc vào từng dạng lớp điều khiển workflow

Đối với workflow tuần tự, các tác vụ tìm kiếm sẽ thực thi tuần tự trên máy tính cục bộ như một ứng dụng đơn bình thường Các đối tượng được tạo ra chỉ là các đối tượng C++

Trang 30

Khi sử dụng workflow song song, các tác vụ tìm kiếm có thể thực thi đồng thời với nhau nếu

có đồng thời nhiều tác vụ sẵn sàng dữ liệu và có đủ tài nguyên tính toán Các đối tượng được tạo

ra là các đối tượng song song của POP-C++, có thể phân bố trên nhiều máy tính khác nhau

Lớp điều khiển workflow sẽ lần lượt thực thi các tác vụ tìm kiếm đã sẵn sàng Tại một thời điểm, nếu có nhiều tác vụ tìm kiếm sẵng sàng dữ liệu thì lớp điều khiển sẽ cố gắng tìm tài nguyên

để thực thi toàn bộ các tác vụ đó

Nghiệm ban đầu của một tác vụ tìm kiếm do lớp tìm kiếm lựa chọn Nếu tác vụ không phụ thuộc dữ liệu vào các lớp khác, nó sẽ nhận nghiệm ban đầu do người dùng cung cấp; nếu nó phụ thuộc dữ liệu vào các tác vụ khác, nó sẽ nhận một trong các nghiệm đó Nếu có nhiều hơn 1 nghiệm ban đầu cho một tác vụ tìm kiếm, lớp điều khiển sẽ tổng hợp các nghiệm đó lại cho tác

vụ tìm kiếm tiếp theo

Để theo dõi các tác vụ tìm kiếm đã kết thúc hay chưa, thư viện sử dụng cơ chế polling để kiểm tra trạng thái các đối tượng tìm kiếm Khi phát hiện một tác vụ hoàn thành, thư viện sẽ tiến hành lấy nghiệm về, giải phóng tài nguyên, sau đó kiểm tra lại sự phụ thuộc dữ liệu giữa các tác vụ để thực thi tác vụ tiếp theo

Trong trường hợp bị lỗi, lớp điều khiển sẽ cố gắng thử lại một số lần Nếu lỗi không thể phục hồi được, tác vụ sẽ bị đánh dấu là thất bại Các tác vụ phụ thuộc trên tác vụ này vẫn có thể thực thi nếu nó có các nghiệm khác

Trang 31

• Để có thể khôi phục lại dữ liệu, thư viện cần phải sử dụng hàm userClassGenerate() Hàm này có nhiệm vụ tái tạo lại kiểu dữ liệu ban đầu dựa trên định danh của lớp Đối với các lớp do người dùng mới định nghĩa, thư viện chưa biết được các định danh Vì vậy, người dùng cần phải viết hàm này để thư viện có thể khôi phục dữ liệu ban đầu

Ngoài ra, để giúp việc sử dũng được tiện lợi, các lớp nên hiện thực đầy đủ các default constructor, copy constructor, và phương thức clone() (tạo bản sao của một đối tượng)

Trang 32

Chương 4 Bài toán TSP và không gian nghiệm

CHƯƠNG 4 BÀI TOÁN TSP VÀ KHÔNG GIAN NGHIỆM

Chương này sẽ trình bày cụ thể hơn về bài toán TSP, không gian nghiệm tìm kiếm tổng quát

và các giải thuật hỗ trợ để giải bài toán đó

4.1 Giới thiệu bài toán TSP

Hình 4.1 Ví dụ bài toán TSP

Nếu người bán hàng xuất phát từ điểm A, và nếu khoảng cách giữa hai điểm bất kì được biết thì đâu là đường đi ngắn nhất mà người bán hàng có thể thực hiện được sao cho đi hết tất cả các điểm, mỗi điểm một lần để quay về lại điểm A ban đầu ?

Bài toán người bán hàng (tiếng Anh: travelling salesman problem - TSP) là một bài toán

thuộc tối ưu rời rạc hay tổ hợp Đây là một minh họa điển hình cho lớp bài toán trong lý thuyết

độ phức tạp tính toán thuộc loại tương đối khó giải

Phát biểu: Có một người giao hàng cần đi giao hàng tại n thành phố Xuất phát từ một thành

phố nào đó, đi qua các thành phố khác để giao hàng và trở về thành phố ban đầu Mỗi thành phố chỉ đến một lần, khoảng cách từ một thành phố đến các thành phố khác là xác định được Hãy tìm một chu trình (một đường đi khép kín thỏa mãn điều kiện trên) sao cho tổng độ dài các cạnh là nhỏ nhất

Trang 33

Ứng dụng: Bài toán TSP được ứng dụng 1 cách rộng rãi qua nhiều bài toán với số đỉnh ngày

càng cao Số đỉnh chính là số các thành phố mà người giao hàng cần đi qua Từ những bài toán như Berlin52 với số lượng 52 đỉnh tới những bài toán usa13509 với số lượng đỉnh là 13509 Cũng như đối với bài toán TSP trong Đồ án chúng ta chỉ test với số lượng đỉnh cao nhất là

13509 Với những bài toán có số lượng đỉnh rất cao hiện nay như bài toán Mona Lisa TSP số đỉnh là 100.000 hay bài toán pla85900 số đỉnh là 85900 thì chúng ta vẫn chưa xét tới vì thời gian chạy và không gian tìm kiếm là khá cao

4.2 Không gian nghiệm tìm kiếm

Hình 4.2: Không gian nghiệm tổng quát

Hình trên là không gian nghiệm tổng quát của bài toán TSP bất kỳ Giả sử ta có một bài toán gồm nhiều đỉnh Một cách vẽ các cạnh để nối các đỉnh với nhau sao cho thỏa chu trình Halmilton

và ước tính chi phí đường đi giữa các đỉnh này Chi phí đó chính là 1 nghiệm của bài toán TSP

Vì có nhiều cách nối giữa các đỉnh của bài toán nên bài toán TSP thường có nhiều nghiệm

Có những nghiệm có chi phí rất lớn thường gọi là nghiệm xấu Vấn đề ở đây là cố gắng tìm nghiệm nhỏ hơn (chi phí thấp hơn) Nếu không gian nghiệm là lồi thì vấn đề sẽ trở nên dễ dàng Nhưng ở đây nếu không gian nghiệm là lõm thì giải quyết như thế nào? Trên hình 4.4.1 gồm có không gian nghiệm lõm, điểm X trong không gian xác định giá trị chi phí x trên trục tọa độ với điều kiện theo chiều mũi tên là chiều cải thiện nghiệm Tương tự ta có 2 điểm A và B xác định 2 nghiệm xA và xB, dĩ nhiên xA tốt hơn xB

Trang 34

Từ điểm X ta dùng các thuật toán meta-heuristic sao cho nghiệm của bài toán được cải thiện, giả sử ta có 2 hướng cải thiện (1) và (2) Hướng (1) cho thấy rằng X sẽ dần tiến về A và hướng (2) X sẽ tiến dần về B Tuy nhiên tại B chỉ là tối ưu cục bộ, còn tối ưu toàn cục phải là A Như vậy nếu X tới B ta chỉ thu được nghiệm tối ưu cục bộ

Bằng cách dùng giải thuật heuristic hỗ trợ (định nghĩa không gian lân cận dùng giải thuật opt, 3-opt, Lin-Kernighan,…) ta có thể di chuyển điểm X ngược trở về và chuyển hướng cải thiện

2-về phía điểm A

4.3 Các giải thuật heuristic hỗ trợ giải bài toán TSP

Ngoài các giải thuật HC, SA, TS nêu trên, để đạt được hiệu quả trong việc giải bài toán TSP, chúng ta cần dùng thêm các giải thuật hỗ trợ định nghĩa không gian lân cận trong không gian nghiệm của bài toán Nhóm giải thuật này gồm có 4 loại tiêu biểu như: Nearest Neighbor, 2-opt, 3-opt, Lin-Kernighan

4.3.1 Nearest Neighbor

Hình 4.3: Minh họa Nearest Neighbor Algorithm

Đây là giải thuật khởi tạo đường đi giữa các node Nội dung của giải thuật này là khi chọn 1 node bất kỳ trong chu trình Hamilton, ta sẽ nối node đó tới node gần với nó nhất Tiếp tục chọn node vừa nối và lặp lại thao tác trên, ta được chu trình Hamilton được khởi tạo bằng giải thuật

Trang 35

Nearest Neighbor Ưu điểm của giải thuật này là khởi tạo ban đầu 1 chu trình Hamilton giữa các node với giá trị chi phí tốt hơn so với giải thuật nối node ngẫu nhiên, thuận lợi hơn cho các giải thuật cải thiện kết quả 2-opt, 3-opt, Linkernighan…

• Algorithm

o Chọn ngẫu nhiên 1 node j, thiết lập l = j và tập W = { 1,2,…,n}\{j}

o Lặp cho đến khi tập W =

 Chọn j W sao cho = min{ | I }

 Nối l tới j và thiết lập lại tập W = W\{j} và l = j

o Nối l tới node chọn ở bước 1 để tạo thành chu trình Hamilton

4.3.2 2-opt

Hình 4.4: Minh họa 2-opt

Hình 4.4 minh họa giải thuật 2-opt Giả sử ta có chu trình Hamilton (a,b,…,d,c,…,a) Khi áp dụng giải thuật 2-opt, ta có thể xóa đi 2 cạnh ab và cd và thay vào đó là 2 cạnh ad và bc Cách thay đổi các cạnh này có thể làm giảm hay tăng chi phí của chu trình tùy vào trường hợp cụ thể

• Algorithm

o Đặt T là chu trình Hamilton hiện tại

o Làm các bước sau cho tới khi không thỏa và các node đã được duyệt

 Chọn 1 node i

Trang 36

 Kiểm tra tất cả các bước 2-opt bao gồm cạnh từ node i tới tất cả nút cận

kề trong chu trình Nếu có đường đi ngắn nhất thì ta chọn node tốt nhất với nó

4.3.3 3-opt

Hình 4.5: Minh họa 3-opt

Giải thuật 3-opt cũng tương tự như 2-opt nhưng ở đây ta phải thay 3 cạnh trong chu trình bởi 3 cạnh khác Số cách để nối các cạnh mới với nhau nhiều hơn ở giải thuật 2-opt

• Algorithm

o Với mỗi node I V ta định nghĩa 1 vài tập node N(i)

 Chọn 1 node i

 Kiểm tra tất cả khả năng để thực hiện 3-opt mà xóa 3 cạnh của ít nhất 1 đỉnh nằm trong tập node N(i) Nếu có đường đi ngắn nhất thì ta chọn node tốt nhất với nó

Trang 37

4.3.4 Lin-Kernighan

Giải thuật này là sự kết hợp của hai giải thuật 2-opt và 3-opt nên cách thực hiện của nó cũng tương tự như 2 giải thuật trước

• Algorithm

 Chọn 1 node i sao cho tìm được 1 đường đi mới từ đồ thị

 Thực hiện 2-opt hay 3-opt đối với node i nếu có thể Nếu có đường đi ngắn nhất thì ta chọn node tốt nhất với nó

Trang 38

Chương 5 Workflow và ngôn ngữ mô tả Workflow

CHƯƠNG 5 WORKFLOW VÀ NGÔN NGỮ MÔ TẢ WORKFLOW

Chương này sẽ trình bài khái niệm workflow, hệ thống quản lý workflow, một số mô hình workflow, tổng quan về mô hình Petri-net và ngôn ngữ mô tả workflow

5.1 Workflow

5.1.1 Khái niệm workflow

Workflow theo tiếng việt, có nghĩa là luồng làm việc Nó là sự miêu tả một chuỗi các hoạt động hoặc các bước như là công việc của một người, công việc của một chương trình đơn giản hay phức tạp, công việc của một nhóm người, công việc của một tổ chức Các workflow được thiết kế để đạt được mục đích là xử lý các công việc theo đúng các trình tự, các quy luật… nhưng

là các quá trình biến đổi của vật lý, các quá trình cung cấp dịch vụ và quá trình xử lý thông tin Xây dựng workflow để giảm thiểu tính phức tạp trong quá trình giao tiếp giữa người sử dụng và

hệ thống

Workflow thường được dùng trong các quy trình kinh doanh (Business Process engineering) liên quan đến việc đánh giá, phân tích, mô hình hóa, định nghĩa và thực hiện các hoạt động của quá trình kinh doanh cốt lõi của một tổ chức

Re-5.1.2 Hệ thống quản lý workflow

Hệ thống quản lý workflow là phần mềm có khả năng quản lý workflow, nó tạo ra và quản lý quá trình thực thi của workflow thông qua việc sử dụng các phần mềm chạy trên một hệ thống workflow engine Workflow engine là phần mềm ứng dụng điều khiển thực thi các quá trình đã được mô hình hóa, nó biên dịch các sự kiện, đặc tả của workflow, giao tiếp với các thành phần workflow, và nó là nơi được yêu cầu bởi các tác vụ trên các ứng dụng

Trang 39

Mỗi cấu trúc workflow có thể biểu diễn dưới dạng đồ thị gồm nhiều công việc Mỗi công việc tương ứng với một node của đồ thị và đồ thị cho thấy mối quan hệ trong đồ thị Ngoài ra đồ thị cho thấy thứ tự thực hiện các công việc và sự phụ thuộc dữ liệu giữa các công việc đó Do đó, một công việc workflow chính là hai luồng công việc dựa theo luồng điều khiển (control flow) và luồng dữ liệu (data flow)

• Luồng điều khiển: Workflow được quản lý thông qua những đặc tả điều khiển Các

điều khiển này chính là điều kiện cho việc thực thi một công việc của workflow Tùy theo từng hệ thống mà cơ chế điều khiển khác nhau

• Luồng dữ liệu: Một workflow bao gồm nhiều công việc và các công việc đó được

thực hiện tuần tự hay song song tùy theo sự phụ thuộc đặc biệt giữa các công việc Dữ liệu đầu ra sau khi thực hiện có thể là đầu vào của các công việc khác Quá trình thực thi phải giám sát được quá trình truyền dữ liệu

5.2 Directed Acyclic Graph (DAG)

Trong toán học và khoa học máy tính, directed acyclic graph (DAG) là một đồ thị có hướng không chu trình Nó bao gồm một tập các đỉnh và các cạnh có hướng Mỗi cạnh dùng để nối một đỉnh với một đỉnh khác Do đó sẽ không thể có đường đi nào bắt đầu từ một số đỉnh v và theo sau

là các cạnh liên tiếp nối ngược trở về v Đồ thị trên còn được ký hiệu là DAG(V, A) với:

• V: tập các đỉnh của đồ thị Đối với bài toán TSP, các đỉnh ở đây là các giải thuật heuristic cơ bản như HC, SA, TS

V = {HC, SA, TS}

• A: tập các cạnh có hướng trên đồ thị

Trang 40

Hình 5.1: Directed Acyclic Graph

5.3 Một số mô hình workflow

5.3.1 Business Process Execution Language (BPEL)

BPEL là ngôn ngữ dùng cho các hoạt động của doanh nghiệp và sự tương tác giữa các doanh nghiệp với nhau Mô hình BPEL dựa trên mô hình DAG

Hình 5.2: Mô hình workflow được mô tả bằng BPEL

Định dạng
Số trang	98
Dung lượng	3,13 MB