Multifactorial Evolutionary Algorithm (MFEA)

PGS.TS Huỳnh Thị Thanh Bình

Email: binhht@soict.hust.edu.vn
 Tổng quan
2

 Giải thuật tiến hóa đa nhân tố (Multifactorial

Evolutionary Algorithm - MFEA):
 Thuật toán tối ưu ngẫu nhiên dựa trên quần thể

 Thuộc lớp giải thuật tiến hóa

 Được giới thiệu bởi Yew-soon Ong vào năm 2016

 Giải quyết được nhiều bài toán tối ưu đồng thời

 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

hiểu là một bài toán tối ưu

và là một tác vụ cần thực
hiện
=> Liệu có cơ chế giải quyết
đồng thời nhiều bài toán cùng
một lúc ?
 Động lực của thuật toán
4

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

K tác vụ (bài toán) cần giải quyết đồng thời

 Tác vụ thứ có hàm mục tiêu cần tối thiểu

 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

 Mỗi được coi như là một nhân tố (factor) của quá

trình tiến hóa
 Một số định nghĩa
7

 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

không gian của các bài toán chồng đè lên nhau

 Số chiều trong không gian chung (D) của K bài toán có

thể xây dựng như sau:

 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

 MFEA đánh giá các cá thể trong mỗi tác vụ

 Để đánh giá trong tác vụ k => Cần tìm biểu diễn
của cá thể đó
 Giải mã là quá trình xây dựng biểu diễn cá thể
trong không gian của từng tác vụ tương ứng từ
biểu diễn trong không gian chung
 Toán tử giải mã – ví dụ
13

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

 Trongtự nhiên, các cá thể có xu hướng giao phối

với các cá thể khác có kiểu hình tương tự
( Assortative mating)
 Toán tử lai ghép
15

 Trong MFEA, các cá thể cũng có xu hướng lai ghép

với các cá thể có cùng nhân tố kĩ năng (skill-factor).
 Lai ghép cá thể A và B có cùng skill-factor => lai
ghép cùng tác vụ (Intra Crossover)
 Lai ghép giữa cá thể A và B khác skill-factor => lai
ghép liên tác vụ (Inter Crossover)
 Toán tử lai ghép – ví dụ
16
good block
Improved Child for T1 for T2
Improved Child for T2
0 1 0 0 0 1 1 0 1 0 1 1
𝑥1 𝑥2 𝑥3 𝑥 4 𝑥5 𝑥6 𝑥6 𝑥5 𝑥 4 𝑥3 𝑥2 𝑥1
Implicit good
good block inferior block good block
for T1 for T1 genetic for T1
block

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

 Quá trình chuyển giao tri thức giữa các tác vụ

thông qua việc lai ghép liên tác vụ
 Các tri thức nhận được từ một tác vụ khác có thể:
 Có hại (chuyển giao âm – negative tranfer)
 Có lợi (chuyển giao dương – positive tranfer) cho tác
vụ đó
 Chuyển giao tri thức trong MFEA
18

 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

 Tự điều chỉnh rmp : MFEA-II

 Cố định rmp, chỉ chọn lai ghép các tác vụ có mức độ

tương đồng cao? : MaTO, SBOGA, ….

 Các độ đo tương đồng giữa các tác vụ ?
 Dựa phân phối giá trị thích nghi của các cá thể trong mỗi
quần thể con
 Dựa trên phân phối kiểu gene
 Dựa trên xác xuất các cá thể thu được từ lai ghép liên tác
tốt hơn bố mẹ trong quá khứ
 Kết hợp
 Quá trình lan truyền văn hóa theo chiều dọc
21

 Quátrình truyền tải văn hóa theo chiều dọc thể

hiện:
 Các con sinh ra thường có xu hướng bắt chước bố mẹ,
cùng nền tảng văn hóa
 Các cá thể con có kĩ năng giống bố hoặc mẹ
 Quá trình lan truyền văn hóa theo chiều dọc
22

 Trong MFEA, quá trình lan truyền văn hóa theo

chiều dọc thể hiện ở chỗ các cá thể con có cùng
skill-factor với bố mẹ
 Con sinh ra bởi lai ghép => Được gán skill-factor giống
bố hoặc mẹ
 Con sinh ra bởi đột biến => được gán skill-factor theo
cá thể sinh ra nó
 Chọn lọc
23

 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

MFEA cho 3 tác vụ

- Bài toán cái túi (KP)
- Bài toán VRP
- Hàm Ackley
26

Thanks for your attention

hanks for your attention