Professional Documents
Culture Documents
Mfea
Mfea
Tận dụng được chuyển giao tri thức giữa các bài
toán tối ưu
Động lực của thuật toán
3
Hệ
thống tính toán đám
mây:
Có rất nhiều yêu cầu của các
người dùng gửi lên ở cùng
một thời điểm.
Mỗi yêu cầu cũng có thể
Trong thực tế, có thể giải các bài toán bằng cách
chuyển giao hoặc tái sử dụng các tri thức trong
các bài toán khác.
Thuật toán tiến hóa đa nhân tố
5
Một số định nghĩa
6
Mục tiêu của MFEA: tìm ra K lời giải cho K bài toán
đồng thời dựa trên cơ chế song song tiềm ẩn của
thuật toán tiến hóa
Với
mỗi cá thể trong quần thể P, MFEA định nghĩa
thêm các thuộc tính:
Factorial cost : chi phí của cá thể trong tác vụ thứ
Factorial rank : thứ hạng của cá thể trong tác vụ thứ
Skill-factor : Cho biết cá thể có thứ hạng tốt nhất ở
tác vụ nào,
Scalar-fitness = 1/skill-factor
Sơ đồ thuật toán MFEA
8
Khác nhau MFEA và GA
9
Không gian tìm kiếm chung
10
MFEA tạo môi trường chuyển giao tri thức giữa các bài
toán tối ưu bằng cách xây dựng một không gian tìm
kiếm chung
Không gian tìm kiếm chung được xây dựng sao cho
Cáctoán tử tiến hóa ( khởi tạo, lai ghép, đột biến) được
thực hiện trên không gian tìm kiếm chung
Không gian tìm kiếm chung
11
Ví dụ: Giải bài toán TSP và bài toán cái túi đồng
thời
Multitasking &
Problem
Task 1: Task 2:
12-D Knapsack 6-D TSP
Sample 12-D Chromosome
0.81 0.90 0.13 0.91 0.63 0.09 0.28 0.55 0.96 0.45 0.16 0.97
Toán tử giải mã
12
Multitasking &
Problem
Task 1: Task 2:
12-D Knapsack 6-D TSP
Sample 12-D Chromosome
0.81 0.90 0.13 0.91 0.63 0.09 0.28 0.55 0.96 0.45 0.16 0.97
1 1 0 1 1 0 0 1 1 0 0 1
Binary Decoding
12-D Knapsack Solution
Rank 1 2… 6
6 3 5 1 2 4
Sequence-Based
6-D TSP Solution Decoding
Toán tử lai ghép
14
transfer
for T2
0 1 0 1 0 1 1 0 0 0 1 1
crossover
𝑥1 𝑥2 𝑥3 𝑥 4 𝑥5 𝑥6 𝑥6 𝑥5 𝑥 4 𝑥3 𝑥2 𝑥1
Parent 1 with skill factor Parent 2 with skill factor
T1 T2
unified search
space
search space
search space for task T2
for task T1
Chuyển giao tri thức trong MFEA
17
Hiệu quả chuyển giao tri thức giữa các tác vụ đồng
thời có thể hình dung qua các quan hệ sinh học
trong tự nhiên:
Cộng sinh: Có lợi cho cả hai tác vụ
Kí sinh: Tác vụ 1 có lợi, tác vụ 2 có hại
Hội sinh : Tác vụ 1 có lợi, tác vụ 2 không có lợi cũng
không có hại
Hợp tác: không có lợi, không hại
……
Chuyển giao tri thức trong MFEA
19
Tỷlệ chuyển giao tri thức giữa các tác vụ được điều
chỉnh bằng tham số rmp
Rmp quá lớn => khả năng chuyển giao tri thức giữa các
tác vụ cao
Hai tác vụ có khác biệt, không liên quan => xảy ra hiện tương
chuyển giao âm => có hại => Điểm yếu MFEA
Hai tác tương đồng, có không gian tìm kiếm tương tự nhau
=> positive tranfer => có lợi
Rmp quá nhỏ => không tận dụng được tri thức khi giải
quyết nhiều tác vụ đồng thời => Hiệu năng như giải
quyết đơn tác vụ (đơn nhiệm)
Phương pháp hạn chế chuyển giao âm trong
MFEA
20
Việc chọn lọc các cá thể trong MFEA dựa trên giá
trị scalar-fitness
Cá thể có scalar-fitness càng cao nghĩa thì mức độ
quan trọng của nó trong tác vụ càng lớn
Cá thể có scalar-fitness thì cơ hội lựa chọn sinh tồn
trong thế hệ sau càng lớn
Phân biệt MFO và MOO
24
MFO:
Giải quyết K bài toán đồng thời,
Mỗi bài toán có không gian tìm kiếm và
mục tiêu riêng
Khai thác quá trình chuyển giao tri thức khi
giải quyết nhiều bài toán tối ưu đồng thời
=> thu được lời giải tốt hơn
MOO:
Giải quyết một bài toán có K hàm mục tiêu
Các mục tiêu của bài toán treat off lẫn
nhau
Giải quyết hiệu quả các xung đột của các
mục tiêu
Thực nghiệm MFEA
25