Nghiên cứu ứng dụng công nghệ gen vận hành liên hồ chứa sông ba mùa lũ

Mỗi công trình được xây dựng đều nhằm phục vụ một hoặc một số mục đích cụ thể như phát điện, phòng lũ cho hạ lưu, cung cấp nước tưới,… Để nâng cao hiệu quả và tuổi thọ của các hồ chứa th

MỤC LỤC

Lời cảm ơn 1

MỤC LỤC 4

DANH MỤC HÌNH 6

DANH MỤC BẢNG 7

DANH MỤC CHỮ VIẾT TẮT 7

MỞ ĐẦU 8

CHƯƠNG I: TỔNG QUAN 10

1.1 Tổng quan về các phương pháp vận hành hồ chứa 10

1.1.1.Phương pháp mô phỏng 10

1.1.2 Phương pháp tối ưu hóa 12

1.1.3 Nguyên cứu về giải bài toán tối ưu hóa bằng thuật toán di truyền (GA) 15

1.1.4 Tổng quan về các nghiên cứu vận hành liên hồ chứa sông Ba 17

1.2 Điều kiện tự nhiên và kinh tế xã hội lưu vực sông Ba 20

1.2.1 Điều kiện tự nhiên 20

1.2.2 Điều kiện kinh tế xã hội 28

CHƯƠNG II: CƠ SỞ L THU ẾT THUẬT TOÁN DI TRU ỀN GA 31

2.1 Gi i thiệu phương pháp giải GA 31

2.2 Các kỹ thuật trong giải thuật di truyền GA [32] 32

2.2.1 Kỹ thuật mã hóa 33

2.2.2 Khởi tạo quần thể 34

2.2.3 Hàm thích nghi 34

2.2.4 Phép chọn lọc 35

2.2.5 Phép lai ghép 35

2.2.6 Phép đột biến 37

2.3 Tổng quan về Matlab 38

2.3.1 Khái niệm về Matlab 38

2.3.2 Tổng quan về cấu trúc dữ liệu của MATLAB, các ứng dụng 39

2.4 Thuật toán di truyền GA trong Matlab 39

2.4.1.Giải thuật di truyền bằng command line 39

2.4.2 Giải thuật di truyền sử dụng Genetic Algorithm Tool 40

CHƯƠNG III: T I ƯU H A VẬN HÀNH LIÊN HỒ CHỨA SÔNG BA MÙA LŨ BẰNG THUẬT TOÁN DI TRU ỀN TRONG MÔI TRƯỜNG MATLAB 45

3.1 Quy trình cắt lũ 45

3.2 M ph ng phương án vận hành liên hồ chứa s ng Ba m a lũ bằng m hình HEC – RESSIM 47

3.3 Sử dụng Genetic Algorithm Tool để tối ưu hóa vận hành liên hồ chứa s ng Ba m a lũ 50

3.3.1 Thiết lập hàm mục tiêu: 50

3.3.2 Giải thuật di truyền: 50

3.4 Kiểm định kết quả chạy từ Genetic Algorithm Tool bằng m hình HEC-RESSIM 58

3.5 Một số nhận xét 62

KẾT LUẬN 63

TÀI LIỆU THAM KHẢO 65

PHỤ LỤC 68

DANH MỤC HÌNH

Hình 1 1 Sơ đồ vị trí lưu vực sông Ba 21

Hình 1 2 Lưu vực sông Ba và hệ thống hồ chứa 27

Hình 2 1 Sơ đồ khối thuật toán di truyền 33

Hình 2 2 Giao diện Genetic Algorithm Tool trong Matlab 41

Hình 3 1 Sơ đồ hệ thống trong bài toán phòng lũ hạ du 47

Hình 3 2 Sơ đồ hệ thống 5 hồ chứa trên Sông Ba 49

Hình 3 3 Quá trình vận hành liên hồ chứa sông Ba với lũ năm 2009 cắt lũ theo PA 20 69

Hình 3 4 Genetic Algorithm Tool cho bài toán cắt lũ liên hồ chứa sông Ba 53

Hình 3 5 Biểu đồ hiển thị giá trị tốt nhất và giá trị trung bình của hàm thích nghi qua mỗi thế hệ 54

Hình 3 6 Biểu đồ vecto của cá thể với giá trị hàm mục tiêu tốt nhất 54

Hình 3 7 Khoảng cách trung bình giữa các cá thể mỗi thế hệ 55

Hình 3 8 Biểu đồ số lượng cá thể con được kỳ vọng với mỗi thế hệ 55

Hình 3 9 Biểu đồ phả hệ của cá thể, được mã hóa bằng bảng mầu 56

Hình 3 10 Biểu đồ giá trị lớn nhất, nhỏ nhất, và giá trị trung bình của hàm thích nghi trong mỗi thế hệ 56

Hình 3 11 Biểu đồ điểm đa dạng ở mỗi thế hệ 56

Hình 3 12 Biểu đồ điểm của các cá thể ở mỗi thế hệ 57

Hình 3 13 Biều đồ lựa chọn cha mẹ 57

Hình 3 14 Biểu đồ các cấp độ dừng tiêu chuẩn 57

Hình 3 15 Quá trình vận hành hồ Ba Hạ với lũ năm 2009 59

Hình 3 16 Quá trình vận hành hồ Krông Hnăng với lũ năm 2009 59

Hình 3 17 Quá trình vận hành hồ Sông Hinh với lũ năm 2009 60

Hình 3 18 Quá trình vận hành hồ Ayun Hạ với lũ năm 2009 60

Hình 3 19 Quá trình vận hành hồ Kanak với lũ năm 2009 61

Hình 3 20 Quá trình lưu lượng tại Củng Sơn với lũ năm 2009 61

DANH MỤC BẢNG

Bảng 1 1 Thông số chính của bậc thang hồ chứa sông Ba 27 Bảng 3 1 Mực nước đón lũ của các hồ 45 Bảng 3 2 Lưu lượng cắt lũ theo 20 phương án tại 5 hồ chạy mô phỏng bằng mô hình Hec-ressim 68 Bảng 3 3 Kết quả giải bài toán tối ưu hoá vận hành liên hồ chứa sông Ba bằng GA 58 Bảng 3 4 Bảng lưu lượng đỉnh lũ đến tại 5 hồ và Củng Sơn năm 2009 62

DANH MỤC CHỮ VIẾT TẮT

MỞ ĐẦU

1 Đặt vấn đề

Việt Nam là một quốc gia có địa hình rất đặc trưng với 9 hệ thống sông lớn cùng rất nhiều sông suối nhỏ trên khắp các vùng, miền, đây là nguồn cung cấp nước vô cùng phong phú Tuy nhiên, nguồn nước này lại phân phối không đều trong năm, mùa cạn thiếu nước còn mùa lũ thì thừa nước gây ra ngập úng, lũ lụt Để khắc phục nhược điểm này các hồ chứa thủy điện, thủy lợi đã được xây dựng để điều tiết dòng chảy

Đi đôi với sự phát triển của nền kinh tế là sự phát triển không ngừng của các công trình thủy điện, thủy lợi lớn nhỏ Mỗi công trình được xây dựng đều nhằm phục

vụ một hoặc một số mục đích cụ thể như phát điện, phòng lũ cho hạ lưu, cung cấp nước tưới,… Để nâng cao hiệu quả và tuổi thọ của các hồ chứa thủy điện thì mỗi hồ cần có một quy trình vận hành và đặc biệt là quy trình vận hành liên hồ chứa cho các hồ trên một lưu vực sông

Trong những năm vừa qua, khu vực đồng bằng hạ lưu sông Ba, bao gồm cả thành phố Tuy Hòa thường xuyên bị ngập lụt Chính vì thế mà vai trò phòng lũ của 5

hồ chứa: Kanak, Ayun Hạ, Ba Hạ, Krông Hnăng, Sông Hinh trên lưu vực sông Ba là

vô cùng quan trọng Các hồ chứa này có dung tích không lớn so với tổng lượng lũ nên khả năng cắt lũ hạn chế, do đó cần phải có một quy trình vận hành đảm bảo việc xả lũ

an toàn cho hạ lưu và bản thân 5 hồ chứa

Với mong muốn xây dựng một quy trình vận hành hợp lý nhất cho 5 hồ chứa lưu vực sông Ba, Luận văn tập trung nghiên cứu sử dụng thuật toán di truyền giải bài toán tối ưu hóa quy trình vận hành liên hồ chứa sông Ba mùa lũ

2 Mục đích của Luận văn

Nghiên cứu ứng dụng thuật toán di truyền vận hành liên hồ chứa sông Ba mùa

lũ, nhằm hạn chế tối đa ngập lụt cho khu vực hạ lưu

3 Đối tƣợng và phạm vi nghiên cứu

- Đối tượng: Thuật toán di truyền (GA)

- Phạm vi nghiên cứu: Từ năm hồ chứa thuộc lưu vực sông Ba là: Kanak, Ayun Hạ, Ba Hạ, Krông Hnăng, Sông Hinh đến trạm thủy văn Củng Sơn

- Với thời gian có hạn, chỉ tập trung vào bài toán cắt đỉnh lũ để giảm lũ xuống hạ lưu

4 Phương pháp nghiên cứu

- Phương pháp phân tích hệ thống;

- Phương pháp mô phỏng bằng mô hình toán;

- Thuật toán di truyền

5 Bố cục của luận văn

Ngoài phần mở đầu, kết luận và phụ lục, Luận văn gồm ba chương chính:

Chương I: Tổng quan

Chương II: Cơ sở lý thuyết thuật toán di truyền

Chương III: Tối ưu hóa vận hành liên hồ chứa sông Ba mùa lũ bằng thuật toán

di truyền trong môi trường Matlab

CHƯƠNG I: TỔNG QUAN

1.1 Tổng quan về các phương pháp vận hành hồ chứa

Điều hành hồ chứa là một phần quan trọng của quy hoạch và quản lý tài nguyên nước Quy trình vận hành hồ chứa xác định lượng xả tại một thời điểm nào đấy phụ thuộc vào trạng thái của hồ chứa, mức yêu cầu cấp nước và các thông tin về lượng dòng chảy có thể đến hồ chứa Với hồ chứa đa mục tiêu, ngoài ra còn yêu cầu phân phối lưu lượng xả cho các mục tiêu Hiện nay, có hai phương pháp cơ bản để nghiên cứu vận hành hồ chứa đó là phương pháp mô phỏng và phương pháp tối ưu hóa:

1.1.1.Phương pháp mô phỏng

Vì không có khả năng để thí nghiệm với hồ chứa thực, mô hình mô phỏng toán học được phát triển và sử dụng trong nghiên cứu Thí nghiệm có thể thực hiện bằng cách sử dụng các mô hình này để cung cấp cho sự hiểu biết sâu về bài toán Mô hình

mô phỏng kết hợp với điều hành hồ chứa bao gồm tính toán cân bằng nước của đầu vào, đầu ra hồ chứa và biến đổi lượng trữ Kỹ thuật mô phỏng đã cung cấp cầu nối từ các công cụ giải tích trước đây cho phân tích hệ thống hồ chứa đến các gói mục đích chung phức tạp hơn Theo Simonovic (1992) [29], các khái niệm vốn gắn các mô phỏng là dễ hiểu và thân thiện hơn các khái niệm mô hình hoá khác

Các mô hình mô phỏng có thể cung cấp biểu diễn chi tiết và hiện thực hơn hệ thống hồ chứa và điều hành chúng (chẳng hạn đáp ứng chi tiết của các hồ và kênh riêng biệt hoặc hiệu quả của các hiện tượng theo thời gian khác nhau nhất định) Thời gian yêu cầu để chuẩn bị đầu vào, chạy mô hình và các yêu cầu tính toán khác của mô phỏng là ít hơn nhiều so với mô hình tối ưu hoá Các kết quả mô phỏng sẽ dễ dàng thỏa hiệp trong trường hợp đa mục tiêu Số phần mềm máy tính đa mục tiêu phổ biến có sẵn

có thể sử dụng để phân tích mối quan hệ quy hoạch, thiết kế và vận hành hồ chứa Hầu hết các phần mềm có thể chạy trong máy vi tính đang sử dụng rộng rãi hiện nay Hơn nữa, ngay sau khi số liệu yêu cầu cho phần mềm thực hành đã được chuẩn bị, nó dễ

dàng chuyển đổi cho nhau và do đó các kết quả của thiết kế, quyết định điều hành, thiết

kế lựa chọn khác nhau có thể được đánh giá nhanh chóng

Nghiên cứu nước ngoài: Một trong số mô hình phổ biến rộng rãi nhất được sử dụng

trong mô phỏng hệ thống hồ chứa tổng quát là mô hình HEC-5 [22], phát triển bởi Trung tâm thủy văn công trình (Feldman 1981, Wurbs 1996) Jain và Goel (1999) [24]

đã giới thiệu một mô hình mô phỏng tổng quát cho điều hành cấp nước của hệ thống hồ chứa dựa trên các đường điều phối Cheng (2004) [20] thiết lập một hệ thống phần mềm kiểm soát lũ tiêu chuẩn hóa nhiều hồ chứa, tích hợp thu thập dữ liệu thời gian thực và chế biến, phân tích lượng mưa, dự báo lũ, phân tích hệ thống hồ chứa, truy vấn thông tin và một số các phương pháp gần đây của kiểm soát lũ dựa trên quy mô hệ thống quản lý cơ sở dữ liệu Nghiên cứu đã thiết lập một mô đun hoạt động kiểm soát

lũ, hồ chứa kiểm soát lũ hoạt động với thời gian thực Hoạt động xả lũ của hồ chứa có thể mô phỏng là một hằng số hoặc một cửa xả với dung tích điều tiết quy định Hệ thống sẽ tự động kiểm tra sức chứa giới hạn của hồ ở mỗi khoảng thời gian khi người

sử dụng cố định lượng chảy ra Một sự lựa chọn mô phỏng được thiết lập dưới dạng hằng số hoặc một dung tích điều tiết hoặc tổng hợp cả hai Phương trình cân bằng khối lượng hay sự tính toán truyền lũ dòng chảy hồ chứa sẽ được sử dụng để xác định thay đổi của kho chứa kiểm soát lũ

Phần lớn các phần mềm vận hành hồ chứa được kết nối với mô hình diễn toán lũ dựa trên mô hình Muskingum hay sóng động học như các phần mềm thương mại MODSIM (Labadie et al 2000), RiverWare (Zagona et al 1998, Biddle 2001), CalSIM (Munevar & Chung 1999) Điều này rất hạn chế cho việc điều hành chống lũ và không

áp dụng được cho lưu vực có ảnh hưởng của thủy triều hay nước vật

Nghiên cứu trong nước: Ở Việt Nam hồ chứa trên các hệ thống sông với nhiều

mục đích khác nhau đã và đang được tiến hành xây dựng, như hệ thống hồ chứa trên sông Hồng, sông Ba, sông Sê San, sông Đồng Nai v.v để vận hành một hệ thống không nhỏ các hồ chứa nhiều nhà nghiên cứu trong nước đã sử dụng các mô hình mô

phỏng khác nhau, phổ biến hiện nay là mô hình HEC-RESSIM một mô hình vận hành

có điều khiển phát triển lên từ HEC-5 Nghiên cứu của Nguyễn Hữu Khải và Lê Thị Huệ (2007) [11] áp dụng mô hình HEC-RESSIM mô phỏng điều tiết lũ hệ thống hồ chứa trên lưu vực sông Hương, cho phép xác định trình tự và thời gian vận hành hợp lý các hồ chứa bảo đảm kiểm soát lũ hạ lưu sông Hương (tại Kim Long và Phú ốc) Nguyễn Hữu Khải, Lê Xuân Cầu (2010) [9] “Nghiên cứu xây dựng công nghệ điều hành hệ thống liên hồ chứa đảm bảo ngăn lũ, chậm lũ, an toàn vận hành hồ chứa và sử

tài đã sử dụng nhiều công nghệ trong đó có mô hình Hec-recssim để mô phỏng vận hành liên hồ chứa sông Ba, sử dụng mô hình Mike 11 để diễn toán lũ về hạ lưu Lê Hùng, Tô Thúy Nga [7], áp dụng mô hình HEC-RESSIM mô phỏng hệ thống hồchứa trên lưu vực sông Vu Gia – Thu Bồn, từ đó đề xuất quy tắc vận hành hồ chứa ứng với trường hợp mực nước trước khi lũ về nhỏ hơn mực nước đón lũ, nhằm xả lũ an toàn cho hạ du đồng thời không ảnh hưởng lớn đến mục tiêu phát điện của các hồ chứa Ngoài ra Nguyễn Hữu Khải, Thân Văn Đón [10], dựa vào mô hình Athen điều tiết đơn

hồ chứa và phương pháp Muskingum diễn toàn dòng chảy trong sông, nghiên cứu phát triển thuật toán liên kết 2 mô hình này thành một mô hình điều tiết liên hồ chứa và áp dụng thử nghiệm trên lưu vực sông Ba

1.1.2 Phương pháp tối ưu hóa

Kỹ thuật tối ưu hoá bằng quy hoạch tuyến tính (LP) và quy hoạch động (DP) đã được sử dụng rộng rãi trong tài nguyên nước và được áp dụng vào vận hành hồ chứa Tuy nhiên áp dụng mô hình tối ưu hoá cho điều hành hồ chứa đa mục tiêu còn nhiều khó khăn Các khó khăn đó bao gồm phát triển mô hình, huấn luyện nhân lực, chi phí giải quyết bài toán, cả điều kiện thủy văn tương lai bất định, sự bất lực để xác định và định lượng tất cả các mục tiêu và sự cần thiết trong việc tương tác tốt hơn với người sử

dụng Vì thế, các nhà khoa học nghiên cứu phương pháp giải bài toán tối ưu hóa mới nhằm khắc phục các hạn chế trên

Phương pháp tối ưu phi tuyến bằng công nghệ GAMS mô phỏng bài toán tối ưu phi tuyến hệ thống công trình điều tiết, nhà máy thủy điện và các hộ sử dụng nước mới được nghiên cứu sử dụng trong thời gian gần đây GAMS có thể giải hầu hết các dạng bài toán tối ưu tuyến tính, phi tuyến, tối ưu động GAMS được đánh giá là công cụ rất phù hợp để giải các bài toán tối ưu trong lĩnh vực quản lý nguồn nước Công nghệ GAMS đã được ứng dụng thành công cho nhiều lưu vực sông trên thế giới trong đó có như lưu vực sông Maipo (Chilê), Mekong

Phát triển đồng thời với công nghệ GAMS để giải bài toán tối ưu hóa đa mục tiêu là công nghệ GEN (thuật toán di truyền), đây cũng là một phương pháp rất mới và

ít được sử dụng tại Việt Nam Luận văn với đối tượng nghiên cứu là thuật toán di truyền sẽ trình bày cụ thể các nghiên cứu về GA giải bài toán tối ưu hóa trong mục 1.1.3

Nghiên cứu nước ngoài: Trên thế giới việc sử dụng phương pháp tối ưu hóa

dụng phương pháp hồi quy tuyến tính để vạch ra quy tắc vận hành chung từ tối ưu hoá xác định Phương pháp mà ông đã dùng được gọi là “quy hoạch động (DP) Monte-Carlo” Về cơ bản phương pháp này dùng kỹ thuật Monte-Carlo tạo ra một số chuỗi dòng chảy năm tổng hợp cho sông yêu cầu Quy trình tối ưu thu được của mỗi chuỗi dòng chảy nhân tạo sau đó được sử dụng trong phân tích hồi quy để cố gắng xác định nhân tố ảnh hưởng đến chiến thuật tối ưu Các kết quả là một xấp xỉ tốt của quy trình tối ưu thực Sau đó là các nghiên cứu của Yakowitz (1982) [25], Yeh (1985) [21], Simonovic (1992) [29] và Wurbs (1993) [31] áp dụng các kỹ thuật hệ thống cho bài toán tài nguyên nước

Một mô hình quy hoạch để thiết kế hệ thống kiểm soát lũ hồ chứa đa mục tiêu

đã được Windsor (1975) [25] phát triển Karamouz và Houck (1987) [29] đã vạch ra

quy tắc vận hành chung khi sử dụng DP xác định và hồi quy (DPR) Mô hình DPR sát nhập thủ tục hồi quy tuyến tính nhiều biến đã được Bhaskar và Whilach (1980) gợi ý Quy tắc để điều hành một hệ thống nhiều hồ chứa cũng được phát triển (quy hoạch động ngẫu nhiên), quy tắc yêu cầu mô tả rõ xác suất dòng chảy và hàm tổn thất Phương pháp này được Butcher (1971), Louks (1981) [25] và nhiều người khác sử dụng

Mô hình tối ưu hoá thường được sử dụng trong nghiên cứu điều hành hồ chứa

sử dụng dòng chảy dự báo làm đầu vào Datta và Bunget (1984) [21] vạch ra một chính sách điều hành hạn ngắn cho hồ chứa đa mục tiêu từ một mô hình tối ưu hoá với mục tiêu cực tiểu hoá tổn thất hạn ngắn Nghiên cứu chỉ ra rằng khi có một sự nhân nhượng chịu một đơn vị độ lệch lượng trữ và một đơn vị độ lệch lượng xả từ các giá trị đích tương ứng thì phép giải tối ưu hoá phụ thuộc vào dòng chảy tương lai bất định cũng như hình dạng hàm tổn thất

Một phương pháp khác đang được sử dụng hiện nay để giải thích tính ngẫu nhiên của đầu vào là chương trình logic mờ Lý thuyết tập mờ đã được Zadeth (1965) giới thiệu Jairaj và Vedula (2000) [23] đã áp dụng phương pháp này cho tối ưu hoá nhiều hồ chứa

Nghiên cứu trong nước: Đi đôi với các nghiên cứu sử dụng mô hình mô phỏng

thì phương pháp tối ưu hóa vận hành hồ chứa cũng được sử dụng khá phổ biến tại Việt

quy trình vận hành hệ thống liên hồ chứa Hòa Bình, Thác Bà, Tuyên Quang phục vụ

hình toán thuỷ động lực học MIKE 11 và mô hình tối ưu phi tuyến phân bổ nguồn nước kết hợp phát điện sử dụng công nghệ tối ưu GAMS cho lưu vực sông Hồng – Thái Bình, từ đó đề xuất quy trình vận hành hồ chứa bậc thang điều tiết nước trong mùa cạn cho hạ du sông Hồng – Thái Bình Hoàng Thanh Tùng, Hà Văn Khối, Nguyễn Thanh Hải (2013) nghiên cứu ứng dụng phần mềm Crystal Ball xác định chế độ vận

hành tối ưu phát điện cho hồ chứa Thác Bà, Tuyên Quang và bậc thang hồ chứa Sơn

La, Hòa Bình có tính đến yêu cầu cấp nước hạ du Crystal Ball là phần mềm tối ưu và phân tích rủi ro rất mạnh trong kinh tế và lần đầu tiên được nhóm tác giả áp dụng thành công cho vận hành các hồ chứa nói trên, nhóm tác giả lựa chọn phương pháp kết hợp giữa các mô hình mô phỏng và mô hình tối ưu bao gồm: mô hình mô phỏng dòng chảy đến hồ ngẫu nhiên theo mô phỏng Monte Carlo, mô hình mô phỏng hệ thống hồ chứa,

và mô hình tối ưu để xác định chế độ vận hành tối ưu Kết quả đạt được là tương đối tốt so với các mô hình tối ưu sử dụng hiện nay vì mô hình này cho phép phân tích độ tin cậy và đưa ra chế độ vận hành tối ưu với các mức đảm bảo khác nhau nhằm hỗ trợ

ra quyết định vận hành hồ chứa Ngoài ra còn có Trần Hồng Thái (2005) và Ngô Lê Long (2006) [13] bước đầu áp dụng thuật tối ưu hoá trong vận hành hồ Hoà Bình phòng chống lũ và phát điện

1.1.3 Nguyên cứu về giải bài toán tối ưu hóa bằng thuật toán di truyền (GA)

Thuật toán di truyền được lập dựa trên cơ sở lý thuyết Drawin về “Nguồn gốc của các giống loài” và được giới thiệu lần đầu tiên bởi John Holland Thuật toán di truyền

là một phương pháp để giải quyết vấn đề tối ưu hóa dựa trên chọn lọc tự nhiên theo các quá trình tiến hóa sinh học Tại các bước giải, thuật toán chọn cá thể một cách ngẫu nhiên từ quần thể ban đầu làm cha mẹ và sử dụng chúng tạo ra con cái trong các thế hệ tiếp theo Có thể áp dụng thuật toán di truyền để giải một loạt các vấn đề tối ưu ngay cả đối với hàm mục tiêu là không liên tục, ngẫu nhiên hoặc phi tuyến,…

Để giải bài toán tối ưu đa mục tiêu ta còn kết hợp thuật toán di truyền với các ràng buộc và phép thử thống kê cho hiệu quả cao mà các phương pháp truyền thống không có GA cho phép tìm cực trị toàn cục của một hàm mục tiêu liên tục hay gián đoạn và sự tính toán mang bản chất tính toán tổ hợp nên nó có thể tự động chọn nghiệm tối ưu tốt hơn trong các nghiệm không tồi Việc sử lý ở mức bit làm cho nó có khả năng ứng dụng rộng rãi và có hiệu quả

Năm 1991, H Mühlenbein, D Schomisch and J Born [30] sử dụng GA để giải

này là một vấn đề khá khó khăn do không gian tìm kiếm lớn và số lượng cực tiểu địa phương rất nhiều, GA đã tự động chọn nghiệm tối ưu tốt trong các cực tiểu địa phương

toán Reid – Vemuri (1974); Nguyễn Trung Thành, Đại Học Đà Nẵng sử dụng thuật toán di truyền bằng ngôn ngữ lập trình Matlab nghiên cứu giải bài toán tối ưu hóa cho cánh tay robot, sử dụng quần thể ban đầu với 30 nhiễm sắc thể ; Nguyễn Thu Hoài, Đại học Công Nghệ giải bài toán tối ưu hóa cấu trúc mạng nơron mờ bằng giải thuật di truyền, …

Với bài toán tối ưu hóa đa mục tiêu sử dụng tài nguyên nước, thuật toán di truyền đã được Robin Wardlaw (1999) [28] đánh giá bằng cách vận hành tối ưu bốn hồ

theo thời gian thực với dòng vào được tạo ra ngẫu nhiên Ông cũng xem xét bài toán phức tạp hơn với mười hồ chứa, kết quả được đưa ra so sánh với các kết quả đã công

bố trước đây Nghiên cứu này chỉ ra rằng phương pháp thuật toán di truyền là thiết thực

và dễ dàng áp dụng cho các hệ thống phức tạp, nó có tiềm năng như là một phương án thay thế cho động lực học ngẫu nhiên Mohammad Noori và nnk (2013) [26] tối ưu hóa đa mục tiêu hai hồ chứa thuộc lưu vực sông Ghezel Ozan của Malaysia sử dụng thuật toán di truyền, trong nghiên cứu này GA sử dụng để giải bài toán vận hành tối ưu hai hồ chứa với mục tiêu sản xuất thủy điện và kiểm soát lũ, các biến quyết định được biểu thị dưới dạng các gen nhiễm sắc thể, hàm số mục tiêu cũng được lựa chọn như một chỉ số thích nghi của nhiễm sắc thể và các rằng buộc của nó, kết quả xây dựng trung bình tháng cho đường cong điều phối Anongrit Kangrang và Chavalit Chaleeraktrakoon (2007) [19] đã kết hợp thuật toán di truyền (GA) với mô hình mô phỏng (HEC-5) để xây dựng đường cong vận hành hồ chứa Bhumibol và Sirikit của Thái Lan, nghiên cứu này chỉ ra rằng GA cho phép mã hóa các biến quyết định thành

các nhiễm sắc thể, sau đó các hoạt động di truyền (phép chọn lọc, lai ghép, đột biến, ) được thực hiện để tạo ra bộ nhiễm sắc thể mới, trong đó mỗi biến quyết định đại diện cho cấp độ tháng của đường cong vận hành hồ chứa

Tại Việt Nam, sử dụng thuật toán di truyền tối ưu hóa vận hành hồ chứa có nghiên cứu của Nguyễn Thế Hùng và Lê Hùng, Đại học Bách Khoa Đà Nẵng, sử dụng

GA để tìm kiếm quỹ đạo vận hành tối ưu hồ chứa Nhà máy Thủy điện Ea Krong Rou tỉnh Khánh Hòa, trên cơ sở chuỗi dòng chảy đến hàng tháng của 23 năm nghiên cứu đã ứng dụng phương pháp mô phỏng Monte Carlo để mở rộng dòng chảy đến là 40 lần của chuỗi dòng chảy tháng lịch sử Kết quả tính toán đạt được bởi thuật toán di truyền được so sánh với phương pháp quy hoạch động, hàm mục tiêu là sản lượng điện năng bình quân đạt cực đại, thuật toán di truyền đơn mục tiêu ở đây cho thấy dễ dàng mở

cứu của Nguyễn Hữu Khải, Lê Xuân Cầu (2012) [9] đã xây dựng đường cong chuẩn quy tắc vận hành tối ưu hồ chứa thủy điện mùa cạn, các tác giả đã dùng thuật toán Gen

để giải bài toán tối ưu đa mục tiêu, nghiên cứu đã xây dựng được phần mềm dựa trên thuật toán di truyền, các hàm mục tiêu bao gồm: maximize tổng sản lượng điện, minimize tổng lượng nước thiếu hụt và minimize giá trị tuyệt đối hiệu mực nước hồ cuối mùa cạn và mực nước chết

Các nghiên cứu trên tại Việt Nam chỉ sử dụng GA với chuỗi dòng chảy trung bình tháng cho đường cong điều phối và tối ưu hóa cho vận hành hồ chứa mùa cạn mà chưa nghiên cứu cho mùa lũ, đặc biệt là bài toán cắt lũ Do đó, Luận văn với mục đích

sử dụng GA tối ưu hóa vận hành liên hồ chứa sông Ba mùa lũ, sử dụng thuật toán di truyền tập trung vào bài toán cắt đỉnh lũ, giảm lũ xuống hạ lưu

1.1.4 Tổng quan về các nghiên cứu vận hành liên hồ chứa sông Ba

a Các nghiên cứu về lưu vực và hồ chứa sông Ba

Hiện nay, Chính phủ đã ban hành quy trình vận hành liên hồ chứa sông Ba, Tuy nhiên, với nhiều lý do mà hiệu quả mang lại vẫn chưa cao, dưới đây là một số quy trình vận hành đã được ban hành cho từng hồ chứa và liên hồ chứa sông Ba:

- Quy trình vận hành hồ chứa thuỷ điện sông Ba hạ (2009) [1] ban hành theo quyết định số 3024/QĐ-BCT tháng 6/2009 của Bộ Công Thương

- Quy trình vận hành hồ chứa thủy Ayun hạ (2004) [3] được ban hành theo Quyết định số 64/2004/QĐ-BNN ngày 11/11/2004 của Bộ NN&PTNN

- Quy trình vận hành hồ chứa thuỷ điện sông Hinh (2002) [16] được ban hành theo Quyết định số 2775/QĐ-EVN-KTNĐ ngày 23/8/2002 của Tông Công ty Điện lực Việt Nam

- Quy trình vận hành hồ chứa thuỷ điện Krông H‟năng (2010) [2] được ban hành theo Quyêt định số 2029 QĐ-BCT ngày 13/8/2010 của Bộ Công Thương

- Quy trình vận hành liên hồ chứa sông Ba (2010) [14] vừa được ban hành theo Quyết định 1757/QĐ-TTg ngày 23/9/2010 của Thủ tướng Chình phủ

- Quy trình vận hành liên hồ chứa sông Ba (2014) [15] vừa được ban hành theo Quyết định 10777/QĐ-TTg ngày 07/7/2014 của Thủ tướng Chính phủ

Ngoài ra, đã có một số kết quả nghiên cứu quy hoạch phát triển tài nguyên nước trên lưu vực sông Ba, đó là:

- Cân bằng nước lưu vực sông Ba do đoàn khảo sát quy hoạch thuỷ lợi khu 5 lập năm 1983 - 1984 Tổng quan sông Ba do Viện quy hoạch và quản lý nước nay là Viện quy hoạch thuỷ lợi lập năm 1993-1994 [21]

- Định hướng quy hoạch phòng chống lũ lưu vực sông Ba do Viện quy hoạch thuỷ lợi lập năm 1998-1999 [18]

- Quy hoạch thuỷ lợi tỉnh Gia Lai có một phần lưu vực sông Ba do Viện quy hoạch thuỷ lợi lập năm 1997-1999 [18]

- Quy hoạch sử dụng tổng hợp nguồn nước lưu vực sông Bàn Thạch và sau thuỷ điện sông Hinh có một phần lưu vực sông Ba do Viện quy hoạch thuỷ lợi lập năm 2000-2001 [18]

- Quy hoạch bậc thang thuỷ điện sông Ba do Công ty tư vấn xây dựng điện 1 lập năm 2002 [5]

Kết quả nghiên cứu các dự án trên có giá trị thiết thực cho đầu tư phát triển các giải pháp cấp nước và phòng chống úng, lũ cho nhiều vùng trong lưu vực Thực tế các

đề xuất trong quy hoạch là hợp lý Tuy nhiên do điều kiện thực tế của mỗi thời kì lập quy hoạch nên các quy hoạch trước đây đều có những hạn chế nhất định và bất cập trước yêu cầu mới cao hơn của dân sinh và các ngành kinh tế trong giai đoạn phát triển tương lai Điều này được thể hiện ở những mức độ khác nhau đối với các kết quả nghiên cứu

- Nghiên cứu luận cứ khoa học cho các giải pháp phòng tránh hạn chế hậu quả

lũ lụt lưu vực sông Ba của Nguyễn Văn Cư (2003) [6] phân tích điều kiện KT-XH, các đặc điểm KTTV và mặt đệm lưu vực sông Ba, từ đó đề xuất các giải pháp phòng chống

lũ cho lưu vực, tuy nhiên đề cập rất ít đến vai trò của các hồ chứa

Gần đây đã có một số đề tài cấp Bộ được tiến hành Lê Kim Truyền, Nguyễn

lý tổng hợp lưu vực sông Ba Viện Quy hoạch thuỷ lợi (2004) [18] đã triển khai dự án nghiên cứu quy hoạch tổng hợp tài nguyên nước sông Ba Nguyễn Hữu Khải, Lê Xuân Cầu (2010) [9] ”Nghiên cứu xây dựng công nghệ điều hành hệ thống liên hồ chứa đảm bảo ngăn lũ, chậm lũ, an toàn vận hành hồ chứa và sử dụng hợp lý tài nguyên nước về mùa kiệt lưu vực sông Ba”, Đề tài đã sử dụng nhiều công nghệ trong đó có mô hình Hec-recssim để mô phỏng vận hành liên hồ chứa sông Ba, sử dụng mô hình Mike 11 để diễn toán lũ về hạ lưu, đặc biệt là sử dụng thuật toán di truyền để xây dựng đường cong quy tắc (điều phối) chuẩn vận hành liên hồ chứa mùa kiệt, đây là một công nghệ mới, chưa từng được sử dụng trước đó

1.2 Điều kiện tự nhiên và kinh tế xã hội lưu vực s ng Ba

1.2.1 Điều kiện tự nhiên

1.2.1.1 Vị trí địa lý

Lưu vực sông Ba là một trong 9 lưu vực sông lớn ở Việt Nam, thuộc địa phận của 4 tỉnh: Gia Lai, Đăk Lăk, Phú Yên và một phần nhỏ thuộc Kon Tum Phạm vi lưu vực nằm trong khoảng 12035‟ - 14038‟ vĩ độ Bắc, 180000‟ - 190055‟ kinh độ Đông với diện tích lưu vực là 13.900 km2 Phía Bắc giáp thượng nguồn sông Trà Khúc, Bắc

và Tây Bắc giáp sông Sê San, Tây và Tây Nam giáp sông Srepok Phía Nam giáp sông Bàn Thạch Phía Đông là dải Trường Sơn Đông ngăn cách với các lưu vực sông Kone, sông Kỳ Lộ Sông Ba đổ ra biển Đông ở Đồng Bằng Tuy Hoà tỉnh Phú Yên

Hình 1 1 Sơ đồ vị trí lưu vực sông Ba

1.2.1.2 Hệ thống sông

chiều dài là 372 km Sông Ba thuộc loại sông kém phát triển so với các sông khác vùng lân cận Trong đó, ba sông nhánh lớn nhất là Iayun, Krông H‟Năng và sông Hinh đều nằm bên phía hữu ngạn:

a Sông Iayun

Iayun là một sông nhánh lớn nhất của sông Ba có diện tích lưu vực là 2.950

km2 và chiều dài sông là 175 km Sông bắt nguồn từ vùng núi cao từ 1500 đến 1700 m, chảy theo hướng Bắc -Nam đến Chư Sê và sau đó chuyển hướng Tây Bắc- Đông Nam đến Cheo Reo thì nhập vào bờ phải sông Ba Sông IaYun có lượng mưa năm khoảng 1.600 mm, mô duyn dòng chảy trung bình nhiều năm 18 l/s km2 và chiếm khoảng 17,5% tổng lượng nước đến của lưu vực sông Ba

b Sông Krông Hnăng

Krông H‟Năng là sông nhánh lớn thứ hai của sông Ba có diện tích lưu vực là 1.840 km2 và chiều dài sông là 130 km Sông Krông H‟Năng bắt nguồn ở vùng núi cao trên 1000 m thuộc huyện Krông H‟Năng của tỉnh Dak Lak Do địa hình phức tạp nên hướng chảy của sông này gần như hình vòng cung, đoạn đầu theo hướng Bắc- Nam, sau đó chuyển sang hướng Tây Bắc- Đông Nam rồi lại chảy ngược lên gần như hướng Nam - Bắc để nhập vào sông Ba Lượng nước của sông nhánh Krông H‟Năng đổ vào sông Ba chiếm khoảng 12,5% tổng lượng nước của toàn lưu vực sông Ba

c Sông Hinh:

Với diện tích lưu vực là 1.040 km2 và chiều dài sông là 88 km, sông Hinh là

sông nhánh lớn thứ 3 của sông Ba Sông Hinh bắt nguồn từ đỉnh núi Chư Hmú cao 2.051m chảy theo hướng Tây Nam - Đông Bắc, đến gần thị trấn Sơn Hoà thì nhập vào

bờ phải sông Ba Do có địa hình núi cao chắn gió nên sông Hinh có lượng mưa tương đối lớn hơn các nhánh sông khác với lượng mưa năm trung bình khoảng 2.600 mm và

mô đun dòng chảy trung bình nhiều năm là khoảng 53 l/s km2 Lượng nước của sông Hinh chiếm khoảng 17,4% tổng lượng nước của toàn lưu vực sông Ba.s

1.2.1.3 Đặc điểm khí hậu

Lưu vực sông Ba đại bộ phận nằm ở phía Tây dải Trường Sơn, chỉ có phần nhỏ

ở hạ lưu nằm phía sườn Đông Trường Sơn Do tác dụng của dãy Trường Sơn mà lưu vực sông Ba chịu ảnh hưởng mạnh mẽ của hai kiểu khí hậu gió mùa Đông Trường Sơn

và Tây Trường Sơn mang lại khá rõ rệt

Khí hậu Tây Trường Sơn: Đặc điểm của kiểu khí hậu này là do gió mùa Tây

Nam thổi qua vịnh Ben Gan mang theo hơi ẩm vào hàng năm từ tháng V đến tháng X tạo nên các trận mưa giông với một lượng mưa khá phong phú, tạo cho hầu hết lưu vực một mùa mưa ẩm dịu mát Từ tháng XI đến tháng VI năm sau là một mùa khô ít mưa, gây tình trạng thiếu nước nghiêm trọng

Khí hậu Đông Trường Sơn: Đặc điểm của kiểu khí hậu này là sự tác động mạnh

mẽ của các nhiễu động thời tiết từ biển Đông vào và kết hợp với gió mùa Đông Bắc Hàng năm từ tháng IX đến tháng XII các cơn bão muộn từ biển Đông đổ bộ vào đất liền, gặp dãy Trường Sơn bão bị suy yếu tạo thành vùng áp thấp nhiệt đới kết hợp với gió mùa Đông Bắc gây mưa lớn ở phần thượng nguồn trên dòng chính sông Ba và ảnh hưởng khá mạnh mẽ cho vùng hạ du sông Ba, trên lưu vực sông Hinh và một phần sông KRông H‟Năng Phần lưu vực từ thượng nguồn đến An Khê và hạ lưu Sơn Hoà, sông Hinh trở xuống đến cửa ra Về mùa Đông do gió mùa Đông Bắc kết hợp bão muộn từ biển Đông hoạt động mang hơi ẩm từ biển Đông vào nên ở hai phần lưu vực

kể trên vẫn có mưa nhưng với lượng mưa không nhiều

Chế độ mưa

Do đặc điểm địa hình và điều kiện khí hậu mà chế độ mưa của lưu vực sông Ba khá phức tạp so với các lưu vực khác lân cận Khi vùng thượng và trung du lưu vực đã

là mùa mưa rồi nhưng vùng hạ du lại đang còn ở thời kỳ khô hạn, khi thượng và trung

du đã kết thúc mùa mưa nhưng vùng hạ du vẫn trong thời kỳ mưa lớn Mùa mưa ở vùng thượng và trung du thường đến sớm từ tháng V và kết thúc vào tháng X hoặc tháng XI, kéo dài trong 6-7 tháng Trong khi đó mùa mưa vùng hạ du đến muộn và kết thúc sớm, chỉ kéo dài 3-4 tháng khoảng tháng IX đến tháng XII

Phân bố mưa theo mùa: Sự phân bố mùa mưa trong năm trên lưu vực sông Ba

chịu sự chi phối mạnh mẽ của khí hậu Tây và Đông Trường Sơn và đặc điểm địa hình của lưu vực

Khu vực Tây Trường Sơn: Mùa mưa kéo dài 6 tháng từ tháng V đến tháng X

trùng với mùa gió mùa Tây Nam hoạt động Lượng mưa cả mùa xấp xỉ 90% lượng mưa năm Tháng VIII và tháng IX thường có lượng mưa tháng lớn nhất và đạt trên 200 mm/tháng ở nơi ít mưa, từ 350 đến 470 mm/tháng ở nơi nhiều mưa Giữa mùa từ tháng

I đến tháng III có nhiều năm không mưa và nếu có thì lượng mưa cũng không đáng kể (chỉ 2-10 mm/tháng) và cũng chỉ mưa trong một vài ngày Đại diện cho khu vực này là trạm Pleiku, Pơ Mơ Rê, Chư Sê,…

Khu vực Đông Trường Sơn: Mùa mưa ngắn chỉ 3-4 tháng, từ tháng IX đến tháng

XI hoặc XII hàng năm cùng với thời kỳ gió mùa Đông Bắc và bão muộn hoạt động trên biển Đông Lượng mưa trong mùa mưa ở đây chiếm 65 – 75% lượng mưa cả năm Mưa lớn thường xảy ra vào tháng X và tháng XI, tháng có lượng mưa lớn có thể đạt trên 600 mm/tháng có năm có trạm đạt tới 1920 mm/(XI-81) ở Sông Hinh, 1310 mm/(XI-90) ở Tuy Hoà Số ngày mưa trong tháng từ 20 – 25 ngày/tháng Mùa ít mưa kéo dài 8-9 tháng (từ tháng I đến tháng VIII hoặc IX) lượng mưa trong mùa ít mưa chiếm 30 – 35% lượng mưa cả năm Tháng II đến tháng III thường có lượng mưa nhỏ nhất và chỉ đạt 20 - 30 mm/tháng đối với vùng cao, dưới 20 mm/tháng đối với vùng thấp Khu vực này thường có đỉnh mưa từ tháng V đến tháng VI hàng năm Tháng VII

và tháng VIII lượng mưa lại giảm đi Đại diện cho vùng này là các trạm Sông Hinh, Sơn Thành, Tuy Hoà

Khu vực trung gian: Khu vực này chịu tác động qua lại của khí hậu Tây và

Đông Trường Sơn Mùa mưa ở đây kéo dài 7 tháng từ tháng V đến tháng XI Lượng mưa dùng hàng năm chiếm khoảng 85 – 93 % lượng mưa năm Số ngày mưa trong mùa mưa khoảng 15 – 20 ngày mưa trong một tháng Tháng IX và tháng X thường có lượng mưa tháng lớn nhất đạt khoảng 250 – 350 mm/tháng xấp xỉ 20% lượng mưa năm Mùa

ít mưa kéo dài 5 tháng từ tháng XII đến tháng IV năm sau, trong đó tháng I và tháng II

là những tháng ít mưa nhất, lượng mưa trong 2 tháng này có nhiều năm bằng 0 và nếu

có mưa thì cũng chỉ đạt 2 – 10 mm/tháng và cũng chỉ mưa trong vài ngày Nếu phân

theo khu vực thì khu Đông Trường Sơn mưa lớn nhất (Sông Hinh, Sơn Thành), sau đó

là đến Tây Trường Sơn (Pơ Mơ Rê, Chư Sê), có lượng mưa nhỏ nhất là khu trung gian (An Khê, Cheo Reo, Phú Túc, Krông H‟Năng)

1.2.1.4 Đặc điểm thủy văn

đo thuỷ văn trong lưu vực sông Ba như sau: An Khê 4 tháng (IX – XII) Củng Sơn 4 tháng (IX – XII) KRông HNăng 4 tháng (IX – XII)

Phân phối dòng chảy các khu vực:

- Khu vực Tây Trường Sơn: Mùa mưa ở đây dài 6 tháng (V – X)

- Khu vực phía Bắc: Bao gồm toàn bộ nhánh sông Ayun, mùa lũ kéo dài 5 tháng, từ tháng VII đến tháng XI.25

- Khu vực phía Nam: Bao gồm thượng nguồn của sông Krông H‟năng Mùa lũ hàng năm khoảng 5 tháng, từ tháng VIII đến tháng XII

- Khu vực Đông Trường Sơn: gồm toàn bộ phần hạ lưu sông Ba Mùa mưa ở đây muộn và ngắn từ 3 đến 4 tháng từ tháng IX đến tháng XII Mùa lũ ngắn chỉ 3 tháng, từ tháng X đến tháng XII (chậm hơn mùa mưa 1 tháng) thành phần lượng nước mùa lũ chiếm 65 - 75 % lượng nước cả năm Tháng có lượng nước nhiều nhất là tháng

XI thành phần dòng chảy có thể đạt 32 - 36% lượng nước cả năm

- Khu vực trung gian: bao gồm phần lớn lưu vực sông Ba, dọc theo thung lũng sông Ba, kéo dài đến phần thượng nguồn sông Krông Ana, toàn bộ vùng này thể hiện tính trung gian của 2 khu vực Tây và Đông Trường Sơn Mùa lũ khu vực này kéo dài 4 tháng từ tháng IX đến tháng XII chậm hơn so với mùa mưa 4 tháng Do đặc điểm địa hình bị ngăn cách bởi các dãy núi cao nên lượng mưa trong khu vực không lớn, cộng với nắng nhiều, nhiệt độ cao, đất đai tơi xốp nên tổn thất qua bốc hơi và thấm rất lớn

Vì vậy mùa lũ ở đây chậm nhiều so với mùa mưa và mùa lũ ở các khu vực khác Thành phần lượng nước mùa lũ chiếm 70 - 75% lượng nước cả năm Tháng có lượng nước lớn

nhất là tháng XI, lượng nước chiếm 22 - 27% lượng nước cả năm

1.2.1.5 Hệ thống hồ chứa lưu vực sông Ba

Để sử dụng và khai thác hiệu quả tài nguyên nước, các hồ chứa trên lưu vực sông Ba đã được xây dựng Hiện nay hồ chứa Ayun Hạ đã xây dựng, có dung tích hiệu

nhỏ, công suất chỉ khoảng 3 MW Hồ chứa sông Hinh cung cấp điện năng là chính với

209m, mực nước chết 196m Hồ chứa sông Ba Hạ đưa vào hoạt động tháng 5/2009, có

bình thường:112,5m, công suất phát điện 220MW Hồ chứa Krông Hnăng với dung

dựng và cũng đã đi vào hoạt động Và còn có một số hồ chứa và đập dâng đang được quy hoạch và có thể xây dựng trong tương lai như hồ sông Ba Thượng, Đăk Đrông v.v Ngoài ra còn có hàng trăm hồ chứa nhỏ khác phục vụ tưới phân bố trên các nhánh sông Nhìn chung hệ thống hồ chứa đã tạo được nguồn nước và cung cấp cho các nhu cầu dùng nước của các ngành trên lưu vực Hệ thống hồ chứa lưu vực sông Ba chỉ ra trên hình 1.4 và bảng 1.1

Bảng 1 1 Th ng số chính của bậc thang hồ chứa s ng Ba

MNDBT (m)

MNC (m)

1.2.2 Điều kiện kinh tế xã hội

1.2.2.1 Hiện trạng phát triển kinh tế

Dân số trong toàn lưu vực sông Ba tính đến 31/12/2010 có khoảng 1.391.701 người Trong đó vùng thượng và trung lưu thuộc Tây Nguyên bao gồm Nam Bắc An Khê, thượng Ayun, Ayun Pa, Krông Pa, Krông HNăng có dân số khoảng 804.364

toàn vùng còn lại 44,23% là người dân tộc ít người (phần lớn là người Gia Lai) Dân số thị trấn huyện lỵ chiếm 19,5% và nông thôn chiếm 80,5% Mật độ dân số phân bố không đều chủ yếu tập trung ở các thành thị và trục giao thông và những vùng kinh tế

Bắc An Khê, thượng Ayun như huyện KBang, Kon ChRo, ĐăkĐoa mật độ dân số chỉ

Lưu vực sông Ba trải dài 3 tỉnh Tây Nguyên là Kon Tum, Gia Lai, Đăk Lăk và 1 tỉnh Duyên hải Miền Trung với 19 huyện thị và 1 thành phố, có tiềm năng kinh tế tổng hợp và chịu sự chi phối bởi nền kinh tế thị trường đầy sôi động với cơ cấu kinh tế Nông lâm – Công nghiệp – Dịch vụ và du lịch ngoài ra vùng hạ lưu còn có cơ cấu thuỷ sản do có lợi thế về nuôi trồng và đánh bắt thuỷ sản Đây là lưu vực có vị trí quan trọng

về kinh tế và an ninh quốc phòng của vùng Tây nguyên và ven biển miền Trung Cơ cấu phát triển kinh tế từ trước đến nay vẫn lấy Nông – Lâm - Nghiệp là chính nên giá trị GDP trong nông nghịêp vẫn chiếm tỷ trọng cao, năm 2000 chiếm 50,6%; năm 2004 chiếm 45,5%; năm 2010 giảm còn 40% trong tổng giá trị các ngành kinh tế trong lưu vực Tuy vậy nền kinh tế nông lâm nghiệp đang có chiều hướng giảm dần để tăng giá trị cơ cấu công nghiệp - dịch vụ du lịch cho phù hợp với xu thế phát triển kinh tế chung của đất nước Nhìn chung cơ cấu kinh tế giữa các vùng trong lưu vực sông Ba biến động không đồng đều Tổng giá trị GDP trong các ngành kinh tế trên toàn lưu vực sông

Ba năm 1998 là 5425 tỷ đồng, năm 2006 là 6241 tỷ đồng và năm 2010 là 6594 tỷ đồng

Nhìn chung nền kinh tế trên lưu vực sông Ba vẫn tăng trưởng đếu với nhịp độ bình quân 2006 đến năm 2010 đạt 12,35%/năm

1.2.2.2 Định hướng phát triển dến năm 2015 và 2020

Dự kiến nguồn nhân lực trên lưu vực Sông Ba vào những năm 2015 và 2020 là cơ bản ổn định dân số hiện có trên địa bàn các huyện của lưu vực trên cơ sở ổn định, định canh, định cư, giãn dân ở vùng thị trấn, thị tứ Đồng thời tiếp nhận và bố trí dân kinh tế mới từ tỉnh khác về các vùng trọng điểm kinh tế và củng cố an ninh quốc phòng theo chỉ đạo của Trung ương Trong đó ưu tiên các vùng: Ayun pa, Krông pa, Krông Hnăng

Dự báo dân số trên lưu vực Sông Ba đến năm 2015 là 1.540.399 và năm 2020 là 1.755.196 người tương ứng với số lao động của năm 2015 là 816.414 người và năm

2020 là 930.254 người với chất lượng lao động tốt biết áp dụng các tiến bộ kỹ thuật vào sản xuất đáp ứng yêu cầu phát triển kinh tế xã hội của toàn lưu vực

Theo quy hoạch sử dụng đất đai trên lưu vực sông Ba đến năm 2015 và sau năm

2015 cho thấy: Trước mắt sử dụng có hiệu quả diện tích đất nông lâm nghiệp hiện có, tập trung đi theo hướng sản xuất hàng hoá, thâm canh tăng vụ, áp dụng các tiến bộ khoa học kỹ thuật vào sản xuất nông lâm nghiệp để tăng năng suất cây trồng vật nuôi Phát triển diện tích lúa nước vụ Đông Xuân từ 37.312ha (năm 2004) lên 47.228 ha (năm 2010) Đồng thời giảm lúa nương rẫy từ 17.684 ha (năm 2004) xuống còn 5300

ha (năm 2010) dần đến năm 2015-2020 triệt tiêu hoàn toàn lúa nương rẫy để tránh xói mòn bạc màu đất và nạn đốt phá rừng đầu nguồn

Phát triển đa dạng vật nuôi, thực hiện tốt công tác tạo giống, trọng tâm là sin hoá đàn bò, phấn đấu đến năm 2015 đưa tỷ lệ đàn bò lai lên 50% so với hiện nay và nạc hoá đàn lợn lên 65%, đến năm 2020 dự kiến đạt 100%

Phát triển đánh bắt thuỷ hải sản ngoài khơi kết hợp với bảo vệ chủ quyền hàng hải, khai thác hợp lý nguồn lợi thuỷ sản gần bờ và xa bờ, dự kiến trữ lượng khai thác năm

2015 là 10.000 tấn và năm 2020 là 15.000 tấn Tận dụng triệt để mặt nước hồ thuỷ điện

Sông Hinh, Sông Ba hạ, sông KRông HNăng, hồ Ayun hạ, hồ An Khê Kannak phấn đấu đến 2015 đạt sản lượng 9300 tấn và đạt 15000 tấn vào năm 2020

Mục tiêu phát triển công nghiệp vùng dự án là công nghiệp hoá và hiện đại hoá với nhịp độ tăng bình quân theo giá trị gia tăng công nghiệp thời kỳ 2005 đến 2010 là 15%

và 2020 là 18,5% Nâng tỷ trọng công nghiệp lên 30% vào năm 2020 Ưu tiên phát triển các ngành công nghiệp mũi nhọn dựa trên nguồn lực sẵn có và nguồn lực bên ngoài Đảm bảo 90% nước sinh hoạt và công nghiệp vào năm 2015 cho 3 thị xã An Khê và EaKa (mới thành lập) và thành phố Tuy Hoà và 100% vào năm 2020 Còn lại các thị trấn đảm bảo cấp nước sinh hoạt đạt 100% vào năm 2015 Thông qua chương trình nước sạch nông thôn phấn đấu đảm bảo 80% dân số sử dụng nước sạch vào năm

2015 và 100% vào năm 2020, đặc biệt quan tâm vùng sâu, vùng xa, vùng có đồng bào dân tộc ít người

CHƯƠNG II: CƠ SỞ L THU ẾT THUẬT TOÁN DI TRU ỀN GA 2.1 Gi i thiệu phương pháp giải GA

Trong quá trình phát triển của loài người, con người luôn không ngừng cố gắng tìm cách điều khiển và cải tạo thiên nhiên phục vụ cho cuộc sống của mình Điều này được thể hiện qua việc loài người không ngừng tìm kiếm phát minh ra các loại máy móc thay thế cho lao động Quá trình này có thể chia làm hai giai đoạn Đầu tiên là giai đoạn sử dụng các công cụ tính toán và logic truyền thống (Hard computing) đưa vào máy móc tính chính xác và nhanh chóng trong quá trình thi hành Ở giai đoạn tiếp theo, với mong muốn thêm vào đó tính thông minh và khả năng quyết định mềm dẻo trong các bài toán học từ mẫu dữ liệu ít ỏi cho trước, người ta sử dụng công cụ tính toán mềm (Soft Computing) gồm 4 nội dung chính là: Fuzzy logic (FL), Neural Network (NN), Genetic Algorithm (GA), Support Vector Machines (SVM) Trong đó giải thuật

di truyền có thể sử dụng độc lập hoặc là công cụ trợ giúp cho các lĩnh vực khác của Soft Computing nhờ ưu điểm trong tìm kiếm toàn cục Giải thuật di truyền có xuất xứ

từ học thuyết của Drawin về “Nguồn gốc của các giống loài”

- Các giống loài đều có xu hướng gia tăng và mở rộng về số lượng

- Con cái thường đại diện cho cha mẹ nhưng không hoàn toàn giống cha mẹ

- Sự thay đổi nhỏ của con cái ảnh hưởng lớn đến cơ hội sống sót

- Các các thể thích nghi hơn với môi trường mới có khả năng sống sót cao hơn (chọn lọc tự nhiên)

Căn cứ vào học thuyết của Drawin, năm 1975, John Holland đã phát triển giải thuật di truyền

Việc sử dụng giải thuật di truyền có một số ưu điểm chính như:

- Sử dụng cơ chế song song ẩn: Sử dụng nhiều cá thể đồng thời tiến hóa nên tránh khỏi cực trị địa phương;

- Dễ dàng thực hiện Để giải quyết vấn đề mới chỉ cần thêm các nhiễm sắc thể mới và hàm thích nghi mới Các phép toán di truyền vẫn giữ nguyên

Tuy nhiên, giải thuật di truyền cũng gặp một số khó khăn nhất định như:

- Khó khăn trong việc chọn và thực hiện cách mã hóa nhiễm sắc thể và biểu diễn hàm thích nghi;

- Thời gian tính toán lâu hơn so với các thuật toán khác Để khắc phục nhược điểm này ngày nay các nhà khoa học đã kết hợp thuật toán với công cụ trợ giúp khác làm thuật toán nhanh hội tụ Cụ thể tại Luận văn này tác giả đã kết hợp GA với một mô hình mô phỏng để rút ngắn thời gian tính toán của thuật toán di truyền

2.2 Các kỹ thuật trong giải thuật di truyền GA [30]

Các kỹ thuật trong giải thuật di truyền được thể hiện trong sơ đồ khối sau:

Hình 2 1 Sơ đồ khối thuật toán di truyền

2.2.1 Kỹ thuật mã hóa

Mã hóa trong giải thuật di truyền là biểu diễn các nhiễm sắc thể chứa thông tin cho lời giải Một số cách mã hóa được sử dụng là: Mã hóa nhị phân - Binary coding,

mã hóa k mức - K-nary coding, mã hóa theo số thực- Real-number coding Quá trình

mã hóa có thể biểu diễn các đầu vào thành các dãy nhiễm sắc thể theo mảng một chiều hoặc nhiều chiều

Việc lựa chọn phương thức mã hóa tùy thuộc vào bài toán giải quyết Thông thường hay dùng mã hóa nhị phân Ví dụ dưới đây mô tả cách mã hóa các số

No

Y e s

L

j

j j L

y

] , [x y



giá trị đầu ra được xác định L phụ thuộc vào độ chính xác của lời giải (chính xác đến bao nhiêu chữ số thập phân),độ chính xác càng cao thì nhiễm sắc thể có độ dài càng lớn và sự tiến hóa càng chậm

2.2.2 Khởi tạo quần thể

Khi chọn được cách mã hoá phù hợp, người ta tiến hành mã hoá các biến đầu vào thành các cá thể (nhiễm sắc thể), tập hợp các nhiễm sắc thể này sẽ tạo thành một quần thể Việc khởi tạo có thể bắt đầu với một quần thể bao gồm các cá thể được tạo ra ngẫu nhiên hoặc sử dụng từ:

- Một quần thể cũ được lưu lại từ trước;

- Một tập các lời giải cung cấp bởi các chuyên gia;

- Một tập các lời giải cung cấp bởi các thuật toán tìm kiếm khác, đây là phương pháp khởi tạo quần thể ban đầu mà Luận văn sử dụng

2.2.3 Hàm mục tiêu

Sau khi khởi tạo quần thể hoặc ở thời điểm các thế hệ mới được tạo thành, chúng ta phải sử dụng hàm mục tiêu để đánh giá độ thích nghi của mỗi nhiễm sắc thể nhằm có cơ sở cho việc lựa chọn bố mẹ cho các phép lai tạo và đột biến Như vậy, mục đích của hàm mục tiêu là:

Để đảm bảo sự phân bố hợp lý của các quần thể, thuận tiện cho giải thuật tìm kiếm người ta sử dụng các phương pháp xác định độ thích nghi như sau:

- Fitness scaling – Xác định theo tỷ lệ thích nghi;

- Fitness windowing – Xác định theo phương pháp cửa sổ thích nghi;

- Fitness ranking – xác định theo thứ hạng thích nghi

2.2.4 Phép chọn lọc

Ở mỗi một thế hệ, dựa trên giá trị của hàm mục tiêu, các cá thể có độ thích nghi tốt sẽ được chọn lọc để tạo thành quần thể ở thế hệ mới và được chuẩn bị cho việc thực hiện các phép toán lai tạo và đột biến sau này Mục đích của phép chọn lọc là tập trung

sự tìm kiếm trên miền “hứa hẹn” Phép chọn lọc bắt nguồn từ học thuyết của Darwin

về “Sự sống sót của các cá thể thích nghi nhất ” Một số phép chọn lọc thường được sử dụng bao gồm:

- Roulette wheel Selection - Chọn lọc ngầu nhiên theo bánh xe Roulette,

- Fitness Proportionate Selection- Chọn lọc theo tỷ lệ thích nghi;

- Linear Ranking Selection- Chọn lọc theo thứ hạng tuyến tính;

- Local Tournament Selection- Chọn lọc theo cạnh tranh cục bộ

2.2.5 Phép lai ghép

Trong giải thuật di truyền, số lượng các thể trong quần thể ở mỗi thế hệ là không đổi Phép chọn lọc đã chọn ra một số cá thể có độ thích nghi cao và loại bỏ đi một số cá thể thích nghi thấp Sự thiếu hụt của số lượng quần thể khi mất đi các cá thể thích nghi thấp sẽ được bổ xung bằng việc lấy các cá thể có độ thích nghi cao là thế hệ cha mẹ, tạo ra các thế hệ con cái bằng phép lai ghép và đột biến trên các cá thể thích nghi cao này Kết quả là thế hệ mới được hình thành giữ nguyên về số lượng bao gồm các cá thể thích nghi cao và con cái của chúng qua các phép lai ghép và đột biến

thể cha mẹ (parent) được lựa chọn Bao gồm các phương pháp lai ghép sau:

- Lai ghép một vị trí: Lựa chọn một cặp nhiễm sắc thể cha mẹ Chọn ngẫu nhiên một vị trí trên chuỗi nhiễm sắc thể và tiến hành ghép phần đầu của nhiễm sắc thể này với phần đuôi của nhiễm sắc thể kia và ngược lại

Lai ghép cho chu i nhị phân

- Lai ghép hai vị trí: Chọn ngẫu nhiên hai vị trí trên chuỗi nhiễm sắc thể cha thứ I sau đó thay thế các gen nằm giữa hai vị trí này bằng các gen tương ứng của cá thể cha thứ II để tạo thành cá thể con

Con

- Lai ghép ngẫu nhiên : Số lượng và vị trí lai ghép được chọn ngẫu nhiên

- Lai ghép theo thuật toán: tạo ra các nhiễm sắc thể con cái từ nhiễm sắc thể bố

mẹ dựa trên một thuật toán xác định

7 8 9 3 4 6 2 5 1

7 8 3 9 4 6 2 5 1

3 5 8 2 1 7 9 4 6

2.2.6 Phép đột biến

Đột biến là thay đổi các bit trên chuỗi nhiễm sắc thể một cách ngẫu nhiên để tạo tính đa dạng Phép đột biến được điều khiển bởi xác xuất đột biến, Pm Nếu không đột biến, giải thuật chỉ tìm kiếm tại không gian khởi tạo.Tuy nhiên, nếu Pm quá lớn, quá trình tìm kiếm trở thành tìm kiếm ngẫu nhiên Ta xét một số phép đột biến sau:

a Tạo đột biến hai gen gần nhau:

Hai cá thể gần nhau thì hoán vị cho nhau để tạo sự biến đổi hay đột biến:

b Tạo đột biến hai gen cách xa nhau

Hai cá thể cách xa nhau thì được hoán vị cho nhau để tạo sự biến đổi:

c Tạo đột biến ba gen cách xa nhau

Ba cá thể cách xa nhau sẽ hoán vị cho nhau để tạo nên sự biến đổi – trong cách đột biến này thì có nhiều cá thể mới tạo thành một cách ngẫu nhiên:

7 4 9 3 5 6 8 2 1

7 5 9 3 4 6 8 2 1

7 8 9 3 5 6 4 2 1

7 4 9 3 8 6 5 2 1

d Tạo đột biến bằng cách dịch chuyển

Chọn ngẫu nhiên hai cá thể ,sau đó ch n một gen vào vị trí của gen còn lại để tạo sự biến đổi:

* * Đột biến

7 9 3 4 6 5 8 2 1

e Tạo đột biến bằng cách đảo ngược chu i con

Chọn ngẫu nhiên một dãy con gồm các gen của một cá thể cha thông qua việc chọn hai gen tùy ý cách xa nhau Sau đó đảo ngược dãy gồm các gen này để tạo sự đột biến:

Trên đây là một số kỹ thuật được sử dụng trong giải thuật di truyền Trong đó, việc xác định kích thước quần thể ban đầu, xác xuất lai ghép, xác xuất đột biến là rất quan trọng, ảnh hưởng nhiều đến kết quả của giải thuật Việc xác định các thông số này tùy theo từng đặc điểm của mỗi bài toán cụ thể

2.3 Tổng quan về Matlab

2.3.1 Khái niệm về Matlab

Matlab là một ngôn ngữ lập trình thực hành bậc cao được sử dụng để giải các bài toán về kỹ thuật Matlab tích hợp được việc tính toán, thể hiện kết quả, cho phép lập trình, giao diện làm việc rất dễ dàng cho người sử dụng Dữ liệu cùng với thư viện

được lập trình sẵn cho phép người sử dụng có thể có được những ứng dụng sau đây

• Sử dụng các hàm có sẵn trong thư viện, các phép tính toán học thông thường

• Cho phép lập trình tạo ra những ứng dụng mới

• Cho phép mô phỏng các mô hình thực tế

• Phân tích, khảo sát và hiển thị dữ liệu

• Với phần mềm đồ hoạ cực mạnh

• Cho phép phát triển, giao tiếp với một số phần mềm khác như C++, Fortran

2.3.2 Tổng quan về cấu trúc dữ liệu của MATLAB, các ứng dụng

Matlab là một hệ thống tương giao, các phần tử dữ liệu là một mảng( mảng này không đòi hỏi về kích thước) Chúng cho phép giải quyết các vấn đề liên quan đến lập trình bằng máy tính, đặc biệt sử dụng các phép tính về ma trận hay véc tơ và có thể sử dụng ngôn ngữ C hoặc Fortran lập trình rồi thực hiện ứng dụng lập trình đó bằng các câu lệnh gọi từ MATLAB MATLAB được viết tắt từ chữ matrix laboratory tức là thư viện về ma trận, từ đó phần mềm MATLAB được viết nhằm cung cấp cho việc truy cập vào phần mềm ma trận một cách dễ dàng, phần mềm ma trận này được phát triển bởi các công trình Linpack và Eispack Ngày nay MATLAB được phát triển bởi Lapack và Artpack tạo nên một nghệ thuật phần mềm cho ma trận

2.4 Thuật toán di truyền GA trong Matlab

Có hai cách có thể sử dụng thuật toán di truyền trong Matlab:

- Gọi các chức năng giải thuật toán di truyền từ command line (dòng lệnh);

- Sử dụng Genetic Algorithm Tool (hộp công cụ): Một giao diện ứng dụng đồ họa làm công cụ cho thuật toán di truyền, cho phép giải trực tiếp mà không cần phải viết dòng lệnh Luận văn đã lựa chọn công cụ này để giải bài toán tối ưu hóa vận hành liên hồ chứa sông Ba mùa lũ

2.4.1.Giải thuật di truyền bằng command line

Gọi thuật toán di truyền với các cấu trúc dưới đây sử dụng command line:

x = găfitnessfun, nvars)

x = găfitnessfun, nvars, options)

x = găproblem)

[x, fval] = gặ )

[x, fval, reason] = gặ )

[x, fval, reason, output] = gặ )

[x, fval, reason, output, population] = gặ )

[x, fval, reason, output, population, scores] = gặ )

Ở đây tác giả chỉ mô tả cấu trúc của 2 hàm thông dụng nhất:

+ x = ga(fitnessfun, nvars):

Sử dụng GA giải bài toán tối ưu hóa, fitnessfun là hàm mục tiêu tiến tới min,

nvars là chiều dài vectơ x

+ x = ga(fitnessfun, nvars, options):

Cấu trúc này có thêm yếu tố options: là tham số của hàm mục tiêu

Kết quả được cho bởi:

- fval: Giá trị của của hàm mục tiêu

- x: Điểm mà hàm mục tiêu đạt fval

2.4.2 Giải thuật di truyền sử dụng Genetic Algorithm Tool

GA và Direct search Toolbox là một tập hợp các hàm, chính là chức năng mở rộng của Optimization Toolbox (công cụ tối ưu hóa) trong môi trường tính toán số Matlab GA và Direct search Toolbox (thuật toán di truyền và hộp công cụ tìm kiếm trực tiếp) bao gồm các thủ tục để giải bài toán tối ưu hóa có sử dụng:

- GA;

- Direct search

Các thuật toán này cho phép giải quyết một loạt các vấn đề tối ưu hóa nằm ngoài phạm vi tiêu chuẩn của Toolbox tối ưu hóa Công cụ chủ yếu là Matlab M-file, tạo ra các báo cáo MATLAB thực hiện các thuật toán tối ưu hóa chuyên ngành

Hình 2 2 Giao diện Genetic Algorithm Tool trong Matlab

Để sử dụng khả năng của GA và Direct search Toolbox, hàm mục tiêu và các điều kiện phải được khai báo dưới dạng hàm function viết thành M-file riêng để tính toán hàm mà mình muốn tối ưu hóa hoặc kết hợp với các Toolbox khác

 Fitness function: Hàm mục tiêu mà bạn muốn tìm giá trị nhỏ nhất, có thể viết trực

tiếp vào Genetic Algorithm Tool hoặc lập bằng M-file Cửa sổ M-file là một cửa sổ dùng để soạn thảo chương trình ứng dụng, để thực thi chương trình viết trong M-file bằng cách gõ tên của file chứa chương trình đó trong cửa sổ Command window Khi

một chương trình được viết trong M-file, thì tuỳ theo ứng dụng cụ thể, tuỳ theo người lập trình mà chương trình có thể viết dưới dạng sau:

+ Dạng Script file: Tức là chương trình gồm tập hợp các câu lệnh viết dưới dạng liệt kê, không có biến dữ liệu vào và biến lấy giá trị ra

+ Dạng hàm function có biến dữ liệu vào và biến ra

 Number of variables: Số lượng các biến trong Fitness function

 Khởi tạo quần thể ban đầu

Khởi tạo quần thể ban đầu gồm các chuỗi nhiễm sắc thể, được quy định bởi các chỉ số:

- Population type: Chỉ định loại dữ liệu đầu vào của hàm mục tiêu, bạn có thể

nhập Population type theo các loại sau:

+ Double Vector ('doubleVector') – Sử dụng tùy chọn này nếu mỗi cá thể trong quần thể là là loại nhân đôi Đây là mặc định

+ Bit string ('bitstring') Sử dụng tùy chọn này nếu cá thể trong quần thể là là loại bit

+ Custom ('custom') Sử dụng tùy chọn này tạo ra quần thể thuộc loại được tạo

ra bởi Creation function

- Population size: Kích thước quần thể Nếu là một vector, các thuật toán di

truyền tạo ra nhiều nhóm quần thể, số lượng quần thể là độ dài của vector Kích thước của mỗi quần thể là các mục tương ứng của vector Kích thước quần thể tốt nhất thường khoảng 20-200 cá thể

- Creation function: Chỉ rõ hàm tạo ra quần thể ban đầu cho GA Có các tùy

chọn sau:

+ Uniform: Tạo ra một quần thể ban đầu ngẫu nhiên với một phân bố đều Đây

là mặc định

+ Custom: Cho phép viết ra hàm của riêng người sử dụng, hàm này tạo ra các

dữ liệu thuộc loại đã chỉ định trong Population type của các loại được chỉ định trong

loại hình quần thể Chỉ định dùng Creation function nếu bạn đang sử dụng Genetic Algorithm Tool

- Initial population: Chỉ định một quần thể ban đầu cho GA Mặc định là [],

trong trường hợp này GA sử dụng Creation function để tạo ra quần thể ban đầu (Initial population) Nếu bạn nhập quần thể ban đầu là một mảng thì mảng này phải có số hàng

= kích thước quần thể, cột = số biến, trong trường hợp này GA không gọi Creation function

- Initial scores: Chỉ định dung lượng cho quần thể ban đầu

- Initial range: Chỉ định phạm vi của vecto quần thể ban đầu được tạo ra từ

Creation function Nếu bạn nhập Initial range là một ma trận có 2 hàng và số cột = số

biến Mỗi cột có dạng là [a1;b1] ở đây a1 là biên dưới của biến (véc tơ), b1 là biên trên của biến ([a1;b1] là miền xác định của biến 1) Nếu bạn chỉ định Initial range là một vecto hàng có chiều dài biến không đổi (các biến có miền xác định là giống nhau bằng vecto)

 Điều kiện dừng GA (Stopping criteria)

Các tiêu chí để dừng thuật toán:

- Generations: Chỉ định số lần lặp (số lượng thế hệ) của thuật toán di truyền, thuật toán sẽ dừng lại khi đạt đến số lượng thế hệ chỉ định;

- Time limit: Giới hạn thời gian chạy thuật toán di truyền;

- Fitness limit: Thuật toán dừng lại nếu giá trị hàm mục tiêu là tốt nhất, nhỏ hơn hoặc bằng giá trị thích nghi giới hạn;

- Stall generations: Thuật toán dừng lại nếu không có sự cải thiện mức độ thích của các giá trị qua số thế hệ được chỉ định bởi Stall generations;

- Stall time: Thuật toán dừng lại nếu không có sự cải thiện trong các giá trị thích nghi tốt nhất trong khoảng thời gian quy định bởi Stall time