BÀI THUYẾT TRÌNH

THUYẾT TIẾN HÓA

S.v thực hiện: T.T.M.Chánh – N.V.Tuấn

1 Nhóm: 11
G.V hướng dẫn: T.s Phạm Anh Đức
KHÁI NIỆM THUẬT TOÁN TIẾN HÓA (EA):

 Thuật toán tối ưu hóa heuristic sử dụng các kỹ thuật

bắt nguồn từ các cơ chế tiến hóa hữu cơ chẳng hạn
như biến dị, tái tổ hợp và chọn lọc tự nhiên để tìm
một cấu hình tối ưu cho một hệ thống với các ràng
buộc cụ thể.

2
 • GIẢI THUẬT DI TRUYỀN
I

• TỐI ƯU HÓA ĐÀN KIẾN

II

• TỐI ƯU HÓA BẦY ĐÀN

III

3
I. GIẢI THUẬT DI TRUYỀN:
1. ĐỊNH NGHĨA:
 ĐN của GA:

 Kỹ thuật phỏng theo quá trình thích nghi tiến hóa của
các quần thể sinh học dựa trên học thuyết Darwin.

 Mô phỏng theo sự tiến hóa của con người hay của

sinh vật.

 Mô phỏng các hiện tượng tự nhiên, là kế thừa và đấu

tranh sinh tồn.
4
 I. GIẢI THUẬT DI TRUYỀN:
1. ĐỊNH NGHĨA:
 Các khái niệm liên quan:
 Di truyền: hiện tượng chuyển những tính trạng
của cha mẹ cho con cái thông qua gen của bố
mẹ.
 Tiến hóa: quá trình hoàn thiện, biến đổi dần để
hoàn thiện hơn các bộ phận, chức năng của các
sinh vật để phù hợp hơn với điều kiện sinh tốn
cũng đang dần thay đổi.
 Nhiễm sắc thể: cá thể được mã hóa bởi một cấu
trúc dữ liệu mô tả cấu trúc gen của cá thể đó.

5
 I. GIẢI THUẬT DI TRUYỀN:
2. LƯU ĐỒ THUẬT TOÁN:
Khởi tạo
dân số

Đánh giá độ
thích nghi

Chọn lọc

Lai ghép

Đột biến

Kết thúc
không
6
có
 I. GIẢI THUẬT DI TRUYỀN:
3. CÁC NGUYÊN LÝ TIẾN HÓA:
 A. Qúa trình lai ghép ( phép lai )
- Diễn ra nhằm để lai ghép 2 cá thể thành 1 cá thể mới
mang bộ nst mới mang đặc tính của cả cha lẫn mẹ.
- Phép lai này được diễn ra theo mô tả như sau:

+ Chúng ta dùng phép giao nhau nhị phân để thực hiện

lai tạo giữa 2 cá thể
+ Cho trước ngẫu nhiên xác suất thực hiện phép lai 1
gen là Rlai=0.9, sinh ra 1 vectơ Vlai có độ dài n, trong đó
mỗi phần tử chứa giá trị True hoặc False. Giá trị True cho
một vị trí của nst thực hiện việc trao đổi gen ở vị trí đó giữa
hai cá thể. Và giá trị False thì ngược lại.
7
 I. GIẢI THUẬT DI TRUYỀN:

1 1 1 1 1 0 nst1 Nst1 mới

0 1 1 0 1 1

T F T T F T
Nst 2 mới

1 1 1 1 0 0
0 1 1 0 0 1 nst2

8
 I. GIẢI THUẬT DI TRUYỀN:

 B. Qúa trình đột biến

- Là quá trinh xảy ra khi một hoặc một số tính trạng
của con không được thừa hưởng từ 2 chuỗi nst của
cha mẹ
-> Phép đột biến được mô tả như sau:
- Tương tự phép lai, phép đột biến cũng cần 1 vectơ
Vđbien để xác định những gen nào đột biến, vecto
Vdbien được sinh ra theo 1 cách ngẫu nhiên theo 1 khả
năng xác suất thực hiện cho 1 gen là Rđbien cho
trước.

9
 I. GIẢI THUẬT DI TRUYỀN:

nst1
Nst1 mới
F F F T F F
0 1 1 1 1 1
0 1 1 0 1 1

nst2 Nst2 mới

F T F F F T 1 0 1 1 0 1

1 1 1 1 0 0

10
 I. GIẢI THUẬT DI TRUYỀN:
 C. Qúa trinh sinh sản và chọn lọc:
(Phép tái sinh và phép chọn)

- Phép tái sinh là quá trình các cá thể được sao chép
dựa trên độ thích nghi của nó. Độ thích nghi là một
hàm được gán các giá trị thực cho các cá thể trong
quần thể của nó.
- Ta mô tả phép tái sinh như sau:

1) Ta tính độ thích nghi của từng cá thể vi trong

quần thể, cộng tất cả các giá trị thích nghị đó ( theo
thứ tự gán cho từng cá thể ) ta được tổng độ thích
nghi của quần thể đó.
11
 I. GIẢI THUẬT DI TRUYỀN:

𝒇(𝒗𝒊)
Fi= 𝟒 𝒇(𝒗𝒊)
𝒊=𝟏
1 2

Tổng dồn thứ i:

3 4
Fti = 𝒊𝒋=𝟏 𝑭𝒋

Tổng độ thích nghi:

Fm = 𝒏𝒋=𝟏 𝑭𝒋

12
 I. GIẢI THUẬT DI TRUYỀN:

2) Tạo đoạn ngẫu nhiên F có giá trị trong

đoạn từ 0 đến Fm Fn
F2

3) Chọn cá thể k đầu tiên thỏa mãn F ≥ Ftk …

đưa vào quần thể của thế hệ mới
…
Việc lựa chọn theo các bước đá nêu trên F1
có thể được minh họa bằng việc xoay bánh
xe roulette, được chia thành n phân, mỗi
phần ứng với một độ thích nghi, ta xoay, mũi
tên chỉ vào phần nào thì cá thể ứng với
phần đó.

13
 I. GIẢI THUẬT DI TRUYỀN:

- Phép chọn: là quá trình loại bỏ các cá thể xấu và

để lại những cá thể tốt.
- Dựa vào giá trị mạnh yếu về độ thích nghi của mỗi
cá thể, từ đây sẽ lựa chọn ra được một tập hợp các
cá thể có thể trạng tốt nhất
Ta mô tả phép chọn như sau:
+ Sắp xếp các nst theo thứ tự độ thích nghi giảm dần
+ Loại bỏ các cá thể cuối dãy, chỉ để lại n cá thể tốt
nhất ( giả sử quần thể có kích thước cố định n ).

14
 I. GIẢI THUẬT DI TRUYỀN:

THỂ TRẠNG
CÁC CÁ THỂ
1 1 0 1 1 9 ĐƯỢC CHỌN

1 0 0 0 1 7
1 0 0 0 1 7

1 1 0 0 1 5

1 1 0 1 1 9
0 1 0 0 1 3

1 1 0 1 0 2

15
 I. GIẢI THUẬT DI TRUYỀN:

 Về thuật toán di truyền, chúng ta có nhiều thuật

toán để giải quyết các bài toán tối ưu đa mục tiêu
được đề xuất : MOGA, NSGA-II, SPEA 2, …
 Các bài toán đều có hướng là đi tìm biên pareto
xấp xỉ thông qua các quá trình thực hiện các toán
tử: chọn lọc và đột biến.
 Để thực hiện việc duy trì quần thể vượt trội, ta có 2
phương án:
+lưu trữ các lời giải tốt nhất trong chính quần thể
+lưu trữ các lời giải tốt nhất trong một danh sách thứ
hai bên ngoài và đưa chúng vào lại quần thể
Để đa dạng hóa quần thể, ta cũng có 2 phương pháp
16
 I. GIẢI THUẬT DI TRUYỀN:

PP chia sẻ độ thích nghi

Tiến hành tìm kiếm những Tiếp đó, ta tăng độ thích

vùng mà biểu đồ xếp hạng
pareto ranking chưa quét
qua, bằng cách giảm đi độ
thích nghi của các cá thể có
độ thích nghi cao
nghi của các cá thể có độ
thích nghi thấp, để quần
thể có thể tiếp cận được đa
dạng các cá thể gồm đa
dạng những nst khác nhau

17
 I. GIẢI THUẬT DI TRUYỀN:
Phương pháp dùng khoảng cách
mật độ
tính khoảng cách mật độ
trong NSGA- II, về cơ bản
dựa trên bản chất của các
bộ giải pháp và ước lượng
khoảng cách mật độ bao
quanh một điểm được xét
trong quần thể
tính khoảng cách mật độ
trong NSGA- II, về cơ bản
dựa trên bản chất của các
bộ giải pháp và ước lượng
khoảng cách mật độ bao
quanh một điểm được xét
trong quần thể
18
 I. GIẢI THUẬT DI TRUYỀN:
4. ỨNG DỤNG:
 Điều khiển tối ưu.

 Điều khiển ổn định hệ thống điện.

 Điều khiển ổn định tần số tải.

 Điều khiển Robot

19
I. GIẢI THUẬT DI TRUYỀN:

20
II. TỐI ƯU HÓA ĐÀN KIẾN (ACO)
1. TÁC GIẢ :
- Lý thuyết về mối mọt: phát minh bởi
Pierre-Paul Grassé năm 1959.

- Hệ thống kiến (AS) được đề xuất lần

đầu tiên Marco Dorigo năm 1991,
xuất bản năm 1992.

- Hệ thống lãnh thổ kiến (ACS): đề

xuất bởi Dorigo và Gambardella năm
1996.
21
 II. TỐI ƯU HÓA ĐÀN KIẾN
2. CƠ SỞ THUẬT TOÁN:
- Hành vi tìm kiếm thức ăn của đàn kiến trong tự
nhiên.

- Khi di chuyển chúng để lại một vệt pheromone.

- Những con kiến sau sẽ đi theo đường có nồng

độ mùi lớn nhất.
 Đường đi ngắn nhất.

22
II. TỐI ƯU HÓA ĐÀN KIẾN

23
 II. TỐI ƯU HÓA ĐÀN KIẾN
3. LƯU ĐỒ THUẬT TOÁN:

24
 II. TỐI ƯU HÓA ĐÀN KIẾN
4. MỘT SỐ CÔNG THỨC:
 Nồng độ mùi trên đoạn đường đi:
m
 ij   0  nn , (i, j )
C
 Quy luật phân bố xác suất mà con kiến dựa
vào lựa chọn một đoạn đường đi tiếp theo:
 
 ij  ij 
p 
k
, j  N ik
    
ij  
lNik il il

 Vết mùi được cập nhật:

m
 ij (t  1)  (1   ) ij (t )   Δ ijk (t ), (i, j )
k 1 25
 II. TỐI ƯU HÓA ĐÀN KIẾN
5. ỨNG DỤNG :
 Vấn đề định tuyến: TSP
• Lập đường đi cho robot
• Đinh hướng mạng truyền
thông
• Tính toán địa điểm đặt
trung tâm cung cấp dịch
vụ . . .
 Vấn đề lập lịch trình
26
 II. TỐI ƯU HÓA ĐÀN KIẾN

 Nhận dạng hệ
thống.

 ML, Mạng nơron.

27
 II. TỐI ƯU HÓA ĐÀN KIẾN
6. Ý NGHĨA VÀ SO SÁNH:

 Ý nghĩa: Tìm phương án tối ưu của bài toán tối ưu

hóa tổ hợp thuộc lớp NP- khó, tìm đường đi ngắn
nhất trong đồ thị.

 So sánh với GA:

 Về độ dài của chu trình ngắn nhất: ACO ngắn

hơn.

 Về Thời gian tìm ra chu trình ngắn nhất: GA

ngắn hơn khi số đỉnh lớn. 28
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)

1. KHÁI NIỆM VÀ TÁC GIẢ :

 Kn: một trong những thuật toán xây dựng dựa trên khái
niệm trí tuệ bầy đàn để tìm kiếm lời giải cho các bài
toán tối ưu hóa trên một không gian tìm kiếm nào đó.

 Được giới thiệu vào năm

1995 tại một hội nghị của
IEEE bởi James
Kennedy và kỹ sư Russell
C. Eberhart.

29
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
2. CƠ SỞ THUẬT TOÁN:
 Phỏng theo hành vi tìm kiếm thức ăn của các bầy
chim

30
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
3. ÁP DỤNG VÀ LƯU ĐỒ THUẬT TOÁN:
 Áp dụng:
• Bài toán tối ưu của hàm số F trong không gian n chiều.
Mỗi vị trí trong không gian là một điểm tọa độ n chiều.
• Hàm mục tiêu xác định trong không gian n chiều và
nhận giá trị thực.
• Tìm điểm cực tiểu của hàm F trong miền xác định nào
đó.
• Số lượng thức ăn tại một vị trí tỉ lệ nghịch với giá trị của
hàm F tại vị trí đó.
Việc tìm vùng chứa thức ăn nhiều nhất tương tự như
việc tìm ra vùng chứa điểm cực tiểu của hàm F trên không
gian tìm kiếm. 31
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
 Lưu đồ thuật toán:

32
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
3. ÁP DỤNG VÀ LƯU ĐỒ THUẬT TOÁN:
vt 1  W * vt  c1* rand  0,1 *  pbest  xt   c2 * rand (0,1) *  gbest  xt 
 Tham số ban đầu:
• Kích thước đàn.
• Vị trí của phần tử.
• Vận tốc của phần tử.
• Số vòng lặp lớn nhất.

 Tham số điều khiển:

• Kích thước đàn.
• Hàm quán tính W.
• Hệ số cục bộ c1 và hệ số toàn cục c2.
• Số vòng lặp.
33
III. TỐI ƯU HÓA BẦY ĐÀN (PSO)

34
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
4. ƯU ĐIỂM:

 Tìm ra giá trị tối ưu toán cục với thiết lập điều kiện
đơn giản với hiệu quả cao, đặc biệt với nhiều bài
toán tối ưu hóa đa mục tiêu phức tạp.

 Tiết kiệm chi phí tính toán về bộ nhớ lưu trữ và tốc
độ tính toán.

 Ít phụ thuộc tập hợp các giá trị ban đầu.

35
 III. TỐI ƯU HÓA BẦY ĐÀN (PSO)
5. ỨNG DỤNG:
 Tìm đường đi cho robot tự
hành trong nhiều môi
trường: tĩnh, động, …

 Hệ thống nhận dạng.

 Xác thực chữ ký.

 Fuzzy Neural.

 Định tuyến phương tiện.

36
37