1
Më ®Çu
Dù b¸o d÷ liÖu lµ bµi to¸n quan träng mang l¹i nhiÒu lîi Ých thiÕt thùc phôc
vô con ngêi, nã gióp con ngêi n¾m b¾t ®îc c¸c quy luËt vËn ®éng trong tù nhiªn vµ
trong ®êi sèng kinh tÕ x· héi. Trong nh÷ng n¨m gÇn ®©y, c¸c m¹ng n¬ ron truyÒn
th¼ng nhiÒu líp ®îc thùc tiÔn chøng minh lµ kh¸ m¹nh vµ hiÖu qu¶ trong c¸c bµi
to¸n dù b¸o vµ ph©n tÝch sè liÖu, ®Æc biÖt trong c¸c bµi to¸n dù b¸o sö dông n¨ng lîng, dù b¸o kinh tÕ, dù b¸o trong tù nhiªn…
C¸c m¹ng n¬ ron truyÒn th»ng ph¶i ®îc huÊn luyÖn tríc khi sö dông ®Ó thùc
thi mét bµi to¸n dù b¸o trong thùc tÕ. Víi mét cÊu tróc m¹ng ®îc chän, qu¸ tr×nh
huÊn luyÖn m¹ng lµ qu¸ tr×nh hiÖu chØnh c¸c träng sè cña m¹ng vµ thêng ®îc ph¸t
biÓu díi d¹ng mét bµi to¸n tèi thiÓu ho¸ hµm sai sè huÊn luyÖn. Thñ tôc huÊn luyÖn
cÇn mét gi¶i thuËt t×m kiÕm cã kh¶ n¨ng t×m lêi gi¶i toµn côc, kh«ng phô thuéc vµo
qu¸ tr×nh khëi ®éng c¸c trong sè ban ®Çu. Ngoµi ra, c¸c gi¶i thuËt nµy ph¶i cã kh¶
n¨ng t×m kiÕm hiÖu qu¶ trong kh«ng gian nhiÒu chiÒu do sè lîng träng sè trong c¸c
m¹ng n¬ ron lµ kh¸ lín.
Gi¶i thuËt GA lµ gi¶i thuËt t×m kiÕm dùa trªn qu¸ tr×nh chän läc tù nhiªn, di
truyÒn vµ tiÕn hãa. C¸c nguyªn lý c¬ b¶n cña gi¶i thuËt ®îc t¸c gi¶ J.H.Holland ®Ò
xuÊt lÇn ®Çu vµo n¨m 1962, nÒn t¶ng to¸n häc cña gi¶i thuËt GA ®îc t¸c gi¶ c«ng bè
trong cuèn s¸ch “Sù thÝch nghi trong c¸c hÖ thèng tù nhiªn vµ nh©n t¹o” xuÊt b¶n
n¨m 1975. Gi¶i thuËt GA ®îc xem nh mét ph¬ng ph¸p t×m kiÕm cã bíc chuyÓn ngÉu
nhiªn mang tÝnh tæng qu¸t ®Ó gi¶i c¸c bµi to¸n tèi u ho¸. Víi nh÷ng ®Æc thï riªng
cña m×nh, gi¶i thuËt GA ®îc sö dông kh¸ hiÖu qu¶ trong thñ tôc huÊn luyÖn m¹ng n¬
ron. Tuy nhiªn, gi¶i thuËt GA gÆp khã kh¨n vÒ sù héi tô. Gi¶i thuËt GA ®¬n gi¶n do
Holland ®Ò xuÊt ®· ®îc chøng minh lµ kh«ng b¶o ®¶m sù héi tô hoÆc kh«ng héi tô
tíi lêi gi¶i toµn côc. Ngoµi ra, c¸c gi¶i ph¸p c¶i tiÕn chiÕn lîc thay thÕ hoÆc to¸n tö
®ét biÕn tuy gióp cho gi¶i thuËt GA héi tô, nhng sù héi tô nµy dÔ dÉn ®Õn hiÖn tîng
héi tô sím, nghÜa lµ gi¶i thuËt kÕt thóc t¹i mét cùc trÞ ®Þa ph¬ng mµ kh«ng cã kh¶
n¨ng t×m thÊy cùc trÞ toµn côc.
Gi¶i thuËt huÊn luyÖn kinh ®iÓn lan truyÒn ngîc cña sai sè (gi¶i thuËt BP) ®îc
sö dông réng r·i nhÊt trong viÖc huÊn luyÖn m¹ng n¬ ron truyÒn th¼ng. Gi¶i thuËt
nµy ®¶m b¶o sù héi tô nhng dÔ héi tô t¹i mét cùc trÞ ®Þa ph¬ng mµ kh«ng cã kh¶
n¨ng t×m kiÕm cùc trÞ toµn côc. MÆt kh¸c, kÕt qu¶ huÊn luyÖn cña gi¶i thuËt nµy phô
thuéc vµo nhiÒu yÕu tè, ®Æc biÖt lµ qu¸ tr×nh khëi ®éng c¸c träng sè ban ®Çu.
Do nhu cÇu cÊp thiÕt ph¶i x©y dùng mét gi¶i thuËt võa cã kh¶ n¨ng t×m kiÕm
lêi gi¶i toµn côc, võa ph¶i ®¶m b¶o sù héi tô ®Ó huÊn luyÖn cho m¹ng n¬ ron truyÒn
th¼ng thùc thi mét bµi to¸n dù b¸o trong thùc tÕ, luËn v¨n tËp trung nghiªn cøu gi¶i
2
ph¸p tÝch hîp gi¶i thuËt GA víi gi¶i thuËt BP trong viÖc huÊn luyÖn m¹ng n¬ ron
truyÒn th¼ng. Trªn c¬ së ®ã, luËn v¨n tr×nh bµy c¸c bíc chÝnh ®Ó x©y dùng m« h×nh
m¹ng n¬ ron dù b¸o d÷ liÖu vµ øng dông m« h×nh ®ã trong bµi to¸n dù b¸o ®Ønh lò
s«ng Trµ Khóc t¹i tr¹m khÝ tîng S¬n Giang.
Nh÷ng ®ãng gãp chÝnh cña luËn v¨n
LuËn v¨n tr×nh bµy c¸c vÊn ®Ò lý thuyÕt vÒ m¹ng n¬ ron, m¹ng n¬ ron truyÒn
th¼ng nhiÓu líp vµ thuËt to¸n BP d¹ng tæng qu¸t ®Ó huÊn luyÖn m¹ng, mét sè
vÊn ®Ò vÒ sö dông gi¶i thuËt BP ®Ó huÊn luyÖn m¹ng thùc thi mét bµi to¸n
trong thùc tÕ.
LuËn v¨n tr×nh bµy c¸c vÊn ®Ò lý thuyÕt vÒ gi¶i thuËt SGA vµ nh÷ng c¶i tiÕn
cña gi¶i thuËt SGA.
LuËn v¨n x©y dùng gi¶i ph¸p tÝch hîp gi¶i thuËt GA víi gi¶i thuËt BP thµnh
mét gi¶i thuËt lai GA - BP dÓ huÊn luyÖn m¹ng n¬ ron truyÒn th¼ng nhiÓu
líp.
LuËn v¨n tr×nh bµy øng dông gi¶i thuËt lai GA - BP trong m« h×nh m¹ng n¬
ron dù b¸o. Gi¶i thuËt lai GA - BP ®· ®îc cµi ®Æt vµ thö nghiÖm ®Ó huÊn
luyÖn m¹ng n¬ ron truyÒn th¼ng trong bµi to¸n dù b¸o khÝ tîng thuû v¨n.
CÊu tróc cña luËn v¨n
PhÇn më ®Çu cña luËn v¨n giíi thiÖu néi dung nghiªn cøu, tÝnh cÊp thiÕt cña
®Ò tµi vµ nh÷ng ®ãng gãp chÝnh cña luËn v¨n. Ch¬ng 1 giíi thiÖu c¸c kh¸i niÖm c¬
b¶n vµ ph¹m vi øng dông cña m¹ng n¬ ron. Ch¬ng 2 giíi thiÖu vÒ gi¶i thuËt SGA vµ
c¸c c¶i tiÕn cña gi¶i thuËt SGA. Ch¬ng 3 giíi thiÖu vÒ m¹ng n¬ ron truyÒn th¼ng
nhiÒu líp, gi¶i thuËt BP, c¸c vÊn ®Ò vÒ sö dông gi¶i thuËt BP vµ x©y dùng gi¶i ph¸p
tÝch hîp gi¶i thuËt GA víi gi¶i thuËt BP trong viÖc huÊn luyÖn m¹ng n¬ ron truyÒn
th¼ng nhiÒu líp. Ch¬ng 4 tr×nh bµy m« h×nh thuËt to¸n vµ cµi ®Æt gi¶i thuËt lai GA BP. Ch¬ng 5 tr×nh bµy c¸c bíc x©y dùng m« h×nh m¹ng n¬ ron dù b¸o vµ thö nghiÖm
gi¶i thuËt GA - BP trong viÖc huÊn luyÖn m¹ng n¬ ron ®Ó thùc thi bµi to¸n dù b¸o
®Ønh lò s«ng Trµ Khóc t¹i tr¹m S¬n Giang. PhÇn kÕt luËn nªu ra c¸c kÕt luËn tõ luËn
v¨n vµ c¸c híng nghiªn cøu tiÕp theo. PhÇn phô lôc ®a ra mét sè chøc n¨ng cña ch¬ng tr×nh ®îc viÕt b»ng Visual Basic.
3
4
Ch¬ng 1
C¸c kh¸i niÖm c¬ b¶n vÒ m¹ng n¬ ron
Ch¬ng nµy ®Ò cËp ®Õn c¸c vÊn ®Ò sau:
1.1.
1.2.
1.3.
1.4.
1.5.
N¬ ron sinh häc vµ m¹ng n¬ ron sinh häc
N¬ ron nh©n t¹o
M¹ng n¬ ron nh©n t¹o
Thñ tôc häc cña m¹ng n¬ ron
Ph¹m vi øng dông cña m¹ng n¬ ron
1.1. N¬ ron sinh häc vµ m¹ng n¬ ron sinh häc
HÖ thÇn kinh ë ngêi cã kho¶ng 1010 tÕ bµo thÇn kinh ®îc gäi lµ c¸c n¬ ron
[24]. Mçi n¬ ron gåm cã ba phÇn: th©n n¬ ron víi nh©n ë bªn trong, mét ®Çu thÇn
kinh ra vµ mét hÖ thèng h×nh c©y c¸c ®Çu thÇn kinh vµo. §é lín cña c¸c tÝn hiÖu vµo
cã thÓ bÞ thay ®æi khi ®îc truyÒn qua c¸c khíp thÇn kinh cã trªn c¸c nh¸nh thÇn kinh
vµo. Tû lÖ biÕn ®æi tÝn hiÖu ë khíp thÇn kinh ®îc gäi lµ ®é khuyÕch ®¹i khíp vµ ®îc
gäi lµ c¸c träng sè trong c¸c n¬ ron nh©n t¹o. Theo c¸c nghiªn cøu vÒ sinh häc, chøc
n¨ng cña hÖ thÇn kinh kh«ng phô thuéc nhiÒu vµo vai trß cña tõng n¬ ron ®¬n lÎ mµ
phô thuéc vµo c¸ch mµ toµn bé c¸c n¬ ron ®îc nèi víi nhau, gäi lµ m¹ng n¬ ron sinh
häc [24].
1.2. N¬ ron nh©n t¹o
N¬ ron nh©n t¹o lµ m« h×nh to¸n häc m« pháng n¬ ron sinh häc. Mçi n¬ ron
nh©n t¹o ®îc gäi lµ mét ®¬n vÞ xö lý víi chøc n¨ng: nhËn tÝn hiÖu vµo tõ c¸c ®¬n vÞ
phÝa tríc (hay mét nguån bªn ngoµi), tÝnh tÝn hiÖu ra tõ c¸c tÝn hiÖu vµo vµ lan
truyÒn tÝn hiÖu ra sang c¸c ®¬n vÞ kh¸c.
x0
x1
...
xn
θj
w j0
w j1
Σ
w jn
n
j
aj
a j w ji x i j
g ( a j)
zj
zj g (a j)
i 1
H×nh 1.1 : §¬n vÞ xö lý thø j
Mçi tÝn hiÖu ®Çu vµo n¬ ron thø j ®îc ký hiÖu lµ xi víi träng sè t¬ng øng lµ
wji. §¹i lîng ®o tÝn hiÖu tæng céng ®i vµo n¬ ron thø j, ký hiÖu lµ aj, ®îc x¸c ®Þnh
mét c¸ch ®¬n gi¶n nh sau :
aj lµ hµm cña c¸c tÝn hiÖu xi vµ c¸c träng sè wji, gäi lµ Hµm kÕt hîp
5
Hµm kÕt hîp lµ tæng c¸c tÝch cña tÝn hiÖu xi vµ träng sè t¬ng øng wj :
n
aj wjixi j
i 1
Trong ®ã lµ mét tham sè ®îc gäi lµ ngìng cña n¬ ron. NÕu wji>0, n¬ ron ®îc coi lµ ë trong tr¹ng th¸i kÝch thÝch. NÕu wji < 0, n¬ ron ë tr¹ng th¸i kiÒm chÕ.
Qu¸ tr×nh biÕn ®æi gi¸ trÞ aj thµnh tÝn hiÖu ®Çu ra zj ®îc thùc hiÖn bëi hµm
kÝch ho¹t (hµm chuyÓn) phi tuyÕn zj= g(aj). Hµm kÝch ho¹t ph¶i tho¶ m·n c¸c ®iÒu
kiÖn sau:
TÝn hiÖu ®Çu ra zj lµ kh«ng ©m víi bÊt kÓ gi¸ trÞ nµo cña aj
g lµ hµm liªn tôc vµ bÞ chÆn trong kho¶ng [0,1]
Nh÷ng hµm tháa m·n ®iÒu kiÖn trªn cßn ®îc gäi lµ c¸c hµm nÐn theo nghÜa
chóng nÐn tÝn hiÖu ®Çu ra vµo mét kho¶ng nhá. Cã kh¸ nhiÒu hµm tho¶ m·n c¸c
®iÒu kiÖn trªn, song trong thùc tÕ chØ cã mét sè hµm thêng ®îc sö dông trong c¸c
m¹ng n¬ ron nh sau
1) Hµm tuyÕn tÝnh (Linear) : g ( x) x
2) Hµm ranh giíi cøng (Hard-Limiter) : Hµm nµy chØ cã hai gi¸ trÞ lµ 0 vµ 1,
ngoµi ra hµm cßn cã mét gi¸ trÞ ngìng . TÝn hiÖu ®Çu ra phô thuéc tæng
tÝn hiÖu ®Çu vµo vµ gi¸ trÞ ngìng.
1
g ( x)
0
if( x )
if( x )
V× hµm nµy rÊt thuËn tiÖn khi ®a c©u tr¶ lêi cã hay kh«ng nªn nã thêng xuyªn
®îc sö dông cho c¸c tÝn hiÖu ra cuèi cïng cña m¹ng.
3) Hµm ngìng logic:
1
g ( x)
0
if( x )
if( x )
4) Hµm sigmoid (Sigmoid function (logsig))
1
g ( x)
1 e x
Hµm nµy ®Æc biÖt thuËn lîi khi sö dông cho c¸c m¹ng ®îc huÊn luyÖn b»ng
gi¶i thuËt BP, bëi v× nã dÔ lÊy ®¹o hµm, do ®ã cã thÓ gi¶m ®¸ng kÓ tÝnh to¸n trong
qu¸ tr×nh huÊn luyÖn. MÆt kh¸c, hµm nµy ®îc øng dông cho c¸c bµi to¸n mµ ®Çu ra
mong muèn r¬i vµo kho¶ng [0,1].
1.3. M¹ng n¬ ron nh©n t¹o
6
Kh¸i niÖm
M¹ng n¬ ron nh©n t¹o lµ hÖ thèng bao gåm nhiÒu n¬ ron nh©n t¹o kÕt hîp víi
nhau. HÖ thèng nµy cã kh¶ n¨ng häc sè liÖu vµ tæng qu¸t hãa tõ c¸c sè liÖu ®îc häc.
CÊu tróc
M¹ng n¬ ron nh©n t¹o ®îc biÓu diÔn b»ng mét ®å thÞ gåm mét tËp c¸c nót vµ
c¸c cung cã híng, mçi nót t¬ng øng víi mét n¬ ron, c¸c cung biÓu diÔn c¸c liªn kÕt
gi÷a c¸c n¬ ron. CÊu tróc m¹ng n¬ ron gåm c¬ cÊu tæ chøc vµ s¬ ®å kÕt nèi.
C¬ cÊu tæ chøc thêng ®îc x¸c ®Þnh bëi sè líp m¹ng vµ sè n¬ ron trong mçi
líp:
Líp vµo : C¸c n¬ ron trong líp vµo gäi lµ c¸c n¬ ron vµo, chóng kh«ng xö
lý th«ng tin mµ chØ m· hãa mÉu ®a vµo m¹ng ®Ó xö lý. Th«ng thêng, sè
thuéc tÝnh cña mÉu ®a vµo m¹ng b»ng sè n¬ ron vµo, chÝnh lµ sè ®Çu vµo
cña m¹ng.
Líp Èn : C¸c n¬ ron trong líp nµy gäi lµ c¸c n¬ ron Èn v× chóng kh«ng
thÓ
quan s¸t trùc tiÕp ®îc. M¹ng cã thÓ cã mét hay nhiÒu líp Èn. Chóng
cung cÊp c¸c m« h×nh to¸n häc phi tuyÕn cho m¹ng.
Líp ra : C¸c n¬ ron ë líp nµy gäi lµ c¸c n¬ ron ra, c¸c n¬ ron nµy m· ho¸
gi¸ trÞ hay kh¸i niÖm cña c¸c mÉu ®a vµo m¹ng. VÝ dô, trong bµi to¸n
ph©n líp, mçi ®Çu ra lµ ®¹i diÖn cho mét líp c¸c ®èi tîng.
S¬ ®å kÕt nèi x¸c ®Þnh bëi ph¬ng thøc kÕt nèi gi÷a c¸c n¬ ron trong m¹ng
[21]:
M¹ng truyÒn th¼ng : Luång d÷ liÖu ®i tõ c¸c n¬ ron vµo ®Õn c¸c n¬ ron ra
chØ ®îc truyÒn th¼ng. Kh«ng cã c¸c liªn kÕt tõ c¸c n¬ ron ra tíi c¸c n¬
ron vµo trong cïng mét líp hay cña c¸c líp tríc ®ã.
x0
bias
h0
x1
bias
y1
h1
x2
y2
h2
…
…
xl
Líp vµo
w
(1 )
ji
hm
Líp Èn
…
yn
w
(2)
kj
Líp ra
H×nh 1.2: M¹ng n¬ron truyÒn th¼ng nhiÒu líp (Feed-Forward Neural Network)
7
M¹ng håi quy: Cã chøa c¸c liªn kÕt ngîc, nghÜa lµ c¸c liªn kÕt tõ n¬ ron
líp ra tíi n¬ ron líp vµo trong cïng mét líp hoÆc c¸c líp tríc ®ã.
h0
x0
y0
h1
x1
…
xl
Líp vµo
…
y1
…
yn
hm
Líp Èn
Líp ra
H×nh 1.3: M¹ng håi quy (Recurrent Neural Network)
C¸c th«ng sè cÊu tróc cña m¹ng
Díi ®©y lµ c¸c th«ng sè cÊu tróc cña m¹ng n¬ ron nh©n t¹o:
S¬ ®å kÕt nèi (m¹ng truyÒn th¼ng hay håi quy)
Sè t×n hiÖu vµo vµ sè tÝn hiÖu ra
Sè líp m¹ng
Sè n¬ ron trªn mçi líp
Sè lîng c¸c träng sè cña mçi líp
1.4. Thñ tôc häc cña m¹ng n¬ ron
Thµnh phÇn quan träng nhÊt vµ kh«ng thÓ thiÕu cña c¸c m¹ng n¬ ron lµ c¸c
thñ tôc häc (gi¶i thuËt huÊn luyÖn m¹ng). Cã thÓ chia c¸c thñ tôc nµy thµnh hai
nhãm chÝnh lµ häc tham sè vµ häc cÊu tróc. C¶ hai thñ tôc häc nµy cã thÓ ®îc thùc
hiÖn ®ång thêi hoÆc t¸ch biÖt. C¸c thñ tôc häc tham sè l¹i cã thÓ ®îc chia thµnh ba
líp nhá h¬n lµ häc cã thÇy [24], häc t¨ng cêng [6] vµ häc kh«ng cã thÇy [16].
Häc tham sè
Víi mét cÊu tróc m¹ng cho tríc, c¸c träng sè cña m¹ng (gäi lµ c¸c tham sè
cña m¹ng) ph¶i ®îc x¸c ®Þnh tríc khi sö dông m¹ng ®Ó thùc thi mét nhiÖm vô cô
thÓ. Ngo¹i trõ trêng hîp c¸c m¹ng n¬ ron mét líp Hopfield (c¸c träng sè ®îc tÝnh
to¸n mét c¸ch gi¶i tÝch), th«ng thêng, c¸c träng sè cña m¹ng ®îc khëi t¹o ngÉu
nhiªn trong mét kho¶ng nhÊt ®Þnh. Häc tham sè lµ qu¸ tr×nh ®iÒu chØnh c¸c träng sè
®Ó m¹ng nhËn biÕt ®îc mèi quan hÖ gi÷a ®Çu vµo vµ ®Çu ra mong muèn. RÊt nhiÒu
8
c¸c thuËt to¸n häc ®îc ®Ò xuÊt ®Ó t×m tËp träng sè tèi u ®èi víi mçi bµi to¸n, c¸c
thuËt to¸n ®ã cã thÓ chia thµnh hai nhãm chÝnh : Häc cã thÇy (Supervised learning)
vµ Häc kh«ng cã thÇy (Unsupervised Learning).
Häc cã thÇy
M¹ng ®îc häc b»ng c¸ch cung cÊp cho nã c¸c cÆp mÉu ®Çu vµo vµ ®Çu ra
mong muèn. Sai sè gi÷a c¸c ®Çu ra thùc tÕ so víi c¸c ®Çu ra mong muèn ®îc thuËt
to¸n sö dông ®Ó hiÖu chØnh c¸c träng sè trong m¹ng.
TËp mÉu lµ tËp c¸c cÆp vÐc t¬ vµo - ra mong muèn M = {x i,yi)} ®îc sö dông
®Ó luyÖn m¹ng n¬ ron. §èi víi mçi vÐc t¬ tÝn hiÖu vµo xi, m¹ng n¬ ron tÝnh to¸n tÝn
hiÖu ra out vµ so s¸nh tÝn hiÖu nµy víi tÝn hiÖu ra mong muèn yi ®Ó t¹o ra tÝn hiÖu sai
sè. TÝn hiÖu sai sè nµy x¸c ®Þnh bÒ mÆt sai sè lµ hµm cña c¸c träng sè, cã thÓ dïng
nh hµm môc tiªu ®Ó hiÖu chØnh c¸c träng sè. C¸c gi¶i thuËt t×m kiÕm ®îc ¸p dông
trong thñ tôc häc ®Ó hiÖu chØnh c¸c träng sè sao cho m¹ng n¬ ron cã thÓ s¶n sinh ra
c¸c tÝn hiÖu ra out víi mét sai sè chÊp nhËn ®îc so víi tÝn hiÖu ra mong muèn [13].
D÷ liÖu huÊn luyÖn
§Çu vµo
§Çu ra mong muèn
§Ých
M¹ng
Vµo
Ra
Thay ®æi
Träng sè
Sai sè
+
-
Hàm
Môc tiªu
Gi¶i thuËt luyÖn
(Ph ¬ng ph¸p tèi u)
H×nh 1.4. S¬ ®å häc cã thÇy
Häc kh«ng cã thÇy
Víi ph¬ng ph¸p häc kh«ng cã thÇy, kh«ng cã th«ng tin ph¶n håi tõ m«i trêng
bªn ngoµi ®Ó chØ ra r»ng ®Çu ra out cña m¹ng lµ ®óng hay sai. M¹ng n¬ ron ph¶i tù
kh¸m ph¸ c¸c ®Æc trng, c¸c mèi t¬ng quan, tÝnh c©n xøng cña c¸c mÉu häc mét c¸ch
tù ®éng. §èi víi phÇn lín c¸c biÕn thÓ cña häc kh«ng cã thÇy, c¸c ®Ých trïng víi
®Çu vµo. Nãi mét c¸ch kh¸c, häc kh«ng cã thÇy lu«n thùc hiÖn mét c«ng viÖc t¬ng
tù nh mét m¹ng tù liªn hîp, c« ®äng th«ng tin tõ d÷ liÖu vµo.
Häc cÊu tróc
Trong phÇn häc tham sè, gi¶ ®Þnh lµ ®· cã mét cÊu tróc m¹ng. Thñ tôc häc
tham sè tinh chØnh c¸c gi¸ trÞ träng sè sao cho m¹ng ho¹t ®éng nh mong muèn. Thñ
9
tôc häc cÊu tróc t×m kiÕm c¸c tham sè cÊu tróc cña m¹ng ®Ó t¹o ra mét m¹ng ho¹t
®éng tèt nhÊt. Thùc chÊt, häc cÊu tróc lµ viÖc t×m ra sè líp Èn vµ sè n¬ ron trªn mçi
líp Èn v× sè ®Çu vµo vµ sè ®Çu ra cña m¹ng lµ x¸c ®Þnh ®èi víi mét bµi to¸n cô thÓ.
KÕt qu¶ häc cÊu tróc phô thuéc nhiÒu vµo kÕt qu¶ häc tham sè. Do ®ã, viÖc
x©y dùng mét gi¶i thuËt t×m kiÕm cho thñ tôc häc tham sè lµ cÇn thiÕt. Gi¶i thuËt t×m
kiÕm nµy ph¶i cã kh¶ n¨ng t×m kiÕm lêi gi¶i toµn côc, t×m kiÕm hiÖu qu¶ trong
kh«ng gian nhiÒu chiÒu vµ cã thÓ sö dông cho nhiÒu cÊu tróc m¹ng kh¸c nhau.
Trong nh÷ng n¨m gÇn ®©y, mét sè gi¶i thuËt tèi u toµn côc mang tÝnh tÊt ®Þnh vµ mét
sè gi¶i thuËt mang tÝnh x¸c suÊt ®· ®îc ®Ò xuÊt. C¸c gi¶i thuËt mang tÝnh x¸c suÊt
bao gåm c¸c gi¶i thuËt tiÕn hãa{3] mµ gi¶i thuËt GA lµ mét vÝ dô ®iÓn h×nh. Gi¶i
thuËt GA sÏ ®îc tr×nh bµy trong ch¬ng 2 cña luËn v¨n.
1.5. Ph¹m vi øng dông cña m¹ng n¬ ron
M¹ng n¬ ron thêng ®îc øng dông trong c¸c lÜnh vùc nh ph©n lo¹i
(classification), m« h×nh hãa (modeling), biÕn ®æi (transformation and mapping) vµ
dù b¸o c¸c sù kiÖn phô thuéc thêi gian.
Ph©n lo¹i
Ph©n lo¹i lµ c¸ch s¾p xÕp c¸c ®èi tîng vµo c¸c tËp hoÆc vµo c¸c líp con cña
c¸c líp lín h¬n. ViÖc ph©n lo¹i thêng ®îc tiÕn hµnh nhiÒu møc gièng nh phÐp to¸n
ra quyÕt ®Þnh, ph©n líp ®èi tîng vµo nhãm, nhãm con; vµo chñng lo¹i, chñng lo¹i
con hoÆc vµo líp, líp con. Mét ®èi tîng cã thÓ ®ång thêi thuéc vµo nhiÒu líp kh¸c
nhau, do ®ã kÕt qu¶ cña viÖc ph©n lo¹i lµ tÝch cña hai hay nhiÒu quyÕt ®Þnh.
M« h×nh hãa
HÖ thèng ph©n lo¹i thêng ®a ra c©u tr¶ lêi rêi r¹c nh cã, kh«ng hoÆc mét sè
nguyªn ®Þnh danh ®èi tîng ®Çu vµo thuéc líp nµo. Tuy nhiªn, viÖc m« h×nh hãa yªu
cÇu hÖ thèng ph¶i s¶n sinh ra c¸c c©u tr¶ lêi mang tÝnh liªn tôc. Mét sè lîng nhá c¸c
sè liÖu thùc nghiÖm ®îc sö dông ®Ó x©y dùng m« h×nh, m« h×nh nµy cã thÓ ®a ra c¸c
dù b¸o cho tÊt c¶ c¸c ®èi tîng ®Çu vµo cã thÓ. ViÖc t×m ra ®êng cong phï hîp víi
c¸c sè liÖu thùc nghiÖm lµ mét vÝ dô øng dông thuéc d¹ng nµy. C¸c øng dông thuéc
d¹ng nµy phÇn lín lµ thñ tôc cña mét biÕn vµo vµ mét biÕn ra nh sau:
y = f (x, a, b,…, p)
Hµm f chøa mét tËp c¸c tham sè a, b,…, p. C¸c tham sè nµy ph¶i ® îc x¸c
®Þnh b»ng viÖc tèi thiÓu hãa ®é chªnh lÖch gi÷a sè liÖu thùc nghiÖm vµ gi¸ trÞ tÝnh
to¸n tõ m« h×nh. M« h×nh hãa còng cã thÓ më réng cho bµi to¸n nhiÒu biÕn vµo mét biÕn ra hoÆc nhiÒu biÕn vµo - nhiÒu biÕn ra.
10
ViÖc m« h×nh hãa thêng ®îc sö dông cho c¸c ®èi tîng cã Ýt biÕn, kho¶ng tõ 1
®Õn 10. §iÒu nµy cã nghÜa lµ thêng sö dông c¸c m¹ng nhá, thêi gian tÝnh còng nh tµi
nguyªn m¸y tÝnh Ýt h¬n so víi c¸c m¹ng dïng cho viÖc ph©n lo¹i.
BiÕn ®æi
ViÖc biÕn ®æi nh»m môc ®Ých nÐn c¸c ®èi tîng tõ kh«ng gian m chiÒu vµo
kh«ng gian cã sè chiÒu nhá, kho¶ng hai hoÆc ba. Qua viÖc nÐn c¸c ®èi tîng nµy,
chóng sÏ béc lé nh÷ng ®Æc ®iÓm mµ chóng ta kh«ng nhËn thÊy khi chóng ë trong
kh«ng gian nhiÒu chiÒu. ViÖc biÕn ®æi t¬ng tù nh viÖc nhãm c¸c ®èi tîng hay ph©n
lo¹i. Sù kh¸c biÖt kh«ng lín l»m n»m ë ph¬ng ph¸p biÓu diÔn c¸c kÕt qu¶. Nh÷ng
c©u hái mµ viÖc biÕn ®æi cã thÓ tr¶ lêi lµ bµn ®å cña toµn bé ®èi tîng nh thÕ nµo, cã
bao nhiªu vïng trªn b¶n ®å cã thÓ ph©n biÖt ®îc, h×nh d¸ng c¸c vïng ®ã nh thÕ
nµo…
Mét trong nh÷ng øng dông cña biÕn ®æi lµ tiÒn xö lý sè liÖu. Th«ng qua tiÒn
xö lý, c¸c ®èi tîng ®iÓn h×nh ®îc chän tõ tËp v« sè c¸c ®èi tîng ngÉu nhiªn nhËn ®îc, lo¹i trõ ®îc c¸c ®èi tîng d thõa hay trïng lÆp. §iÒu nµy rÊt quan träng khi chän
c¸c ®èi tîng lµm mÉu häc cho m¹ng truyÒn th¼ng huÊn luyÖn b»ng gi¶i thuËt BP ®Ò
cËp ë ch¬ng 3.
Dù b¸o c¸c sù kiÖn phô thuéc thêi gian
LÜnh vùc nghiªn cøu c¸c qu¸ tr×nh phô thuéc thêi gian lµ mét trong nh÷ng
lÜnh vùc chÝnh trong nghiªn cøu ®iÒu khiÓn qu¸ tr×nh. ë ®©y, m« h×nh dù b¸o ®îc x©y
dùng dùa trªn mét chuçi sè liÖu ®îc ghi nhËn theo thêi gian. Trong m« h×nh nµy, c¸c
biÕn cña tÝn hiÖu vµo vµ tÝn hiÖu ra vÒ c¬ b¶n lµ gièng nhau. ChØ mét ®iÒu kh¸c biÖt
lµ, tÝn hiÖu vµo lµ c¸c gi¸ trÞ hiÖn t¹i vµ qu¸ khø cña c¸c biÕn qu¸ tr×nh, tÝn hiÖu ra lµ
gi¸ trÞ dù b¸o trong t¬ng lai cña c¸c biÕn qu¸ tr×nh ®ã.
11
Ch¬ng 2
Gi¶i thuËt di truyÒn
Ch¬ng nµy tr×nh bµy c¸c vÊn ®Ò sau:
2.1. Tæng quan vÒ gi¶i thuËt di truyÒn
2.2. Gi¶i thuËt di truyÒn ®¬n gi¶n
2.3. NÒn t¶ng to¸n häc cña gi¶i thuËt di truyÒn
2.4. Nh÷ng c¶i tiÕn tiÕp theo cña gi¶i thuËt di truyÒn
2.1. Tæng quan vÒ gi¶i thuËt di truyÒn
Gi¶i thuËt GA thuéc líp c¸c gi¶i thuËt t×m kiÕm tiÕn hãa. Kh¸c víi phÇn lín
c¸c gi¶i thuËt t×m kiÕm theo ®iÓm, gi¶i thuËt GA thùc hiÖn t×m kiÕm song song trªn
mét tËp gäi lµ quÇn thÓ c¸c lêi gi¶i cã thÓ. Th«ng qua viÖc ¸p dông c¸c to¸n tö di
truyÒn, gi¶i thuËt GA trao ®æi th«ng tin gi÷a c¸c cùc trÞ vµ do ®ã lµm gi¶m thiÓu kh¶
n¨ng kÕt thóc gi¶i thuËt t¹i mét cùc trÞ ®Þa ph¬ng. Trong thùc tÕ, gi¶i thuËt GA ®· ®îc ¸p dông thµnh c«ng trong nhiÒu lÜnh vùc bao gåm c¶ thñ tôc huÊn luyÖn m¹ng n¬
ron [7, 11].
Néi dung gi¶i thuËt di truyÒn
Gi¶i thuËt GA lÇn ®Çu tiªn ®îc t¸c gi¶ J. H. Holland giíi thiÖu vµo n¨n 1962
[12, 14]. Gi¶i thuËt GA m« pháng qu¸ tr×nh tån t¹i cña c¸c c¸ thÓ cã ®é phï hîp tèt
th«ng qua qu¸ tr×nh tiÕn hãa trong tù nhiªn, sao cho khi thùc thi gi¶i thuËt, quÇn thÓ
c¸c lêi gi¶i ban ®Çu tiÕn ho¸ dÇn tíi lêi gi¶i mong muèn.
Gi¶i thuËt GA duy tr× mét quÇn thÓ c¸c lêi gi¶i cã thÓ cña bµi to¸n tèi u hãa.
Mçi lêi gi¶i gäi lµ mét c¸ thÓ hay mét nhiÔm s¾c thÓ, thêng ®îc m· hãa díi d¹ng
mét chuçi c¸c gen, gi¸ trÞ cña c¸c gen cã trong chuçi ®îc lÊy tõ mét b¶ng c¸c ký tù
®îc ®Þnh nghÜa tríc. Mçi chuçi gen ®îc liªn kÕt víi mét gi¸ trÞ gäi lµ gi¸ trÞ thÝch
nghi, cßn gäi lµ ®é phï hîp cña chuçi. §é phï hîp cña mçi chuçi gen ®¸nh gi¸ ®é
thÝch nghi cña nã víi m«i trêng (®é tèt xÊu cña lêi gi¶i) vµ ®îc dïng trong qu¸ tr×nh
chän läc.
QuÇn thÓ míi ®îc t¹o ra b»ng c¸ch sö dông c¸c qu¸ tr×nh chän läc, lai ghÐp
vµ ®ét biÕn. Qu¸ tr×nh chän läc sao chÐp c¸c c¸ thÓ cã ®é phï hîp tèt vµo mét quÇn
thÓ t¹m thêi ®îc gäi lµ quÇn thÓ bè mÑ. C¸c c¸ thÓ trong quÇn thÓ bè mÑ ®îc ghÐp
®«i mét c¸ch ngÉu nhiªn vµ tiÕn hµnh lai ghÐp t¹o ra c¸c c¸ thÓ con. Sau khi tiÕn
hµnh qu¸ tr×nh lai ghÐp, gi¶i thuËt GA m« pháng mét qu¸ tr×nh kh¸c trong tù nhiªn
12
lµ qu¸ tr×nh ®ét biÕn, trong ®ã c¸c gen cña c¸c c¸ thÓ con tù thay ®æi gi¸ trÞ víi mét
x¸c xuÊt nhá.
Nh vËy, gi¶i thuËt GA xuÊt ph¸t víi tËp lêi gi¶i ban ®Çu, th«ng qua nhiÒu bíc
trong qu¸ tr×nh tiÕn ho¸ h×nh thµnh c¸c tËp lêi gi¶i míi tèt h¬n, vµ cuèi cïng t×m ra
lêi gi¶i ®ñ tèt chÊp nhËn ®îc (lêi gi¶i gÇn víi lêi gi¶i tèi u).
Díi ®©y lµ s¬ ®å khèi cña gi¶i thuËt di truyÒn
2.1. S¬ ®å khèi cña gi¶i thuËt di truyÒn
C¸c bíc chÝnh trong viÖc ¸p dông gi¶i thuËt di truyÒn
§Ó ¸p dông gi¶i thuËt GA gi¶i mét bµi to¸n trong thùc tÕ, c¸c bíc sau ®©y cÇn
®îc thùc hiÖn:
Bíc 1 : Chän tËp lêi gi¶i ban ®Çu cho bµi to¸n.
Bíc 2 : M· ho¸ c¸c lêi gi¶i díi d¹ng c¸c chuçi, th«ng thêng c¸c lêi gi¶i ®îc
m· hãa thµnh c¸c chuçi nhÞ ph©n.
Bíc 3 : T×m hµm sè thÝch nghi (hµm phï hîp) cho bµi to¸n vµ tÝnh gi¸ trÞ
thÝch nghi cho mçi lêi gi¶i , cßn gäi lµ gi¸ trÞ ®é phï hîp.
13
Bíc 4 : Dùa trªn gi¸ trÞ thÝch nghi cña mçi lêi gi¶i ®Ó thùc hiÖn chän läc
(selecttion) vµ tiÕn hãa c¸c lêi gi¶i. C¸c ph¬ng ph¸p tiÕn hãa gåm lai ghÐp
(crossover) vµ ®ét biÕn (mutation).
Bíc 5 : TÝnh c¸c gi¸ trÞ thÝch nghi cho c¸c lêi gi¶i míi vµ lo¹i bá c¸c lêi gi¶i
kÐm nhÊt, chØ gi÷ l¹i mét sè nhÊt ®Þnh c¸c lêi gi¶i
Bíc 6 : NÕu cha t×m ®îc lêi gi¶i tèi u hay cha hÕt h¹n chu kú x¸c ®Þnh th× trë
l¹i Bíc 4 ®Ó t×m lêi gi¶i míi.
Bíc 7 : T×m ®îc lêi gi¶i tèi u chÊp nhËn ®îc hoÆc nÕu chu kú cho phÐp ®·
chÊm døt th× b¸o c¸o kÕt qu¶ tÝnh ®îc.
Cã nhiÒu lùa chän kh¸c nhau cho tõng vÊn ®Ò trªn. PhÇn tiÕp theo sÏ ®a ra
c¸ch lùa chän theo J.H.Holland khi thiÕt kÕ phiªn b¶n gi¶i thuËt GA ®Çu tiªn. Gi¶i
thuËt nµy ®îc gäi lµ gi¶i thuËt di truyÒn ®¬n gi¶n (SGA) [12,14]
2.2. Gi¶i thuËt di truyÒn ®¬n gi¶n
J. H. Holland sö dông m· hãa nhÞ ph©n ®Ó biÓu diÔn c¸c c¸ thÓ, lý do lµ phÇn
lín c¸c bµi to¸n tèi u hãa, lêi gi¶i ®Òu cã thÓ ®îc m· hãa thµnh chuçi nhÞ ph©n kh¸
®¬n gi¶n [14]. Mçi lêi gi¶i ®îc m· hãa thµnh mét chuçi bÝt, mçi chuçi bÝt sau ®ã ®îc gi¶i m· ®Ó lÊy l¹i gi¸ trÞ thùc vµ gi¸ trÞ hµm môc tiªu ®îc tÝnh theo gi¸ trÞ thùc
nµy. Tuú tõng bµi to¸n cùc tiÓu hay cùc ®¹i, gi¸ trÞ hµm môc tiªu ®îc biÕn ®æi thµnh
gi¸ trÞ thÝch nghi cho tõng chuçi. QuÇn thÓ chuçi ban ®Çu ®îc khëi ®éng ngÉu nhiªn
vµ sau ®ã ®îc tiÕn hãa tõ thÕ hÖ nµy sang thÕ hÖ kh¸c b»ng c¸ch sö dông ba to¸n tö :
Chän läc (selecttion)
Lai t¹o (crossover)
§ét biÕn (mutation)
Chän läc
Chän läc lµ viÖc lùa chän c¸c c¸ thÓ ®Ó tham gia vµo c¸c pha tiÕp theo cña
qu¸ tr×nh tiÕn hãa, viÖc lùa chän nµy phô thuéc vµo gi¸ trÞ thÝch nghi cña c¸ thÓ ®ã,
nghÜa lµ nh÷ng c¸ thÓ nµo cã gi¸ trÞ thÝch nghi cao h¬n sÏ cã kh¶ n¨ng cã nhiÒu con
ch¸u h¬n trong c¸c thÕ hÖ tiÕp theo. Gi¸ trÞ thÝch nghi quyÕt ®Þnh sù tån t¹i hay diÖt
vong cña mét c¸ thÓ. Gi¸ trÞ thÝch nghi ®îc tÝnh tõ hµm thÝch nghi, viÖc ¸nh x¹ tõ
hµm môc tiªu sang hµm thÝch nghi ®îc tr×nh bµy ë phÇn sau.
M« h×nh chän läc thêng ®îc dïng lµ b¸nh xe xæ sè (roulette wheel selection).
Gi¶i thuËt GA sö dông mét vßng trßn trong ®ã mçi c¸ thÓ chiÕm mét phÇn t¬ng víi
®é réng lµ x¸c suÊt chän läc cña mçi c¸ thÓ. X¸c suÊt chän läc pi cña c¸ thÓ vi ®îc
tÝnh theo c«ng thøc pi = eval(vi)/F, trong ®ã eval(vi) lµ gi¸ trÞ thÝch nghi cña c¸ thÓ vi,
F lµ tæng gi¸ trÞ thÝch nghi cña toµn quÇn thÓ F=(eval(vi).
14
Mçi khi thùc hiÖn mét lÇn quay vßn trßn, mét øng cö viªn ®îc chän cho viÖc
lai ghÐp. ViÖc quay vßng trßn ®îc thùc hiÖn qua nh÷ng bíc sau:
Bíc 1 : §¸nh sè c¸c c¸ thÓ trong quÇn thÓ. TÝnh tæng gi¸ trÞ thÝch nghi cña
toµn quÇn thÓ vµ gäi nã lµ tæng thÝch nghi (Total fitness).
Bíc 2 : Sinh mét sè ngÉu nhiªn n trong kho¶ng tõ 0 ®Õn tæng thÝch nghi.
Bíc 3 : Tr¶ l¹i c¸ thÓ ®Çu tiªn trong quÇn thÓ cã gi¸ trÞ thÝch nghi cña nã céng
víi gi¸ trÞ thÝch nghi cña c¸c c¸ thÓ tríc ®Êy lín h¬n hoÆc b»ng n.
Lai ghÐp
To¸n tö chän läc nh»m t×m ra nh÷ng c¸ thÓ tèt nhÊt nhng kh«ng t¹o ra c¸ thÓ
míi. Tuy vËy, trong tù nhiªn, c¸c con sÏ thõa hëng di truyÒn nh÷ng ®Æc tÝnh tèt tõ c¶
cha vµ mÑ. To¸n tö t¸c ®éng trªn c¸c c¸ thÓ cha vµ mÑ ®Ó t¹o ra c¸c con lai tèt ® îc
gäi lµ lai ghÐp. Chóng chØ ®îc ¸p dông lªn cÆp cha mÑ ®îc chän víi x¸c suÊt lai
ghÐp ký hiÖu lµ Pcross [14]. X¸c xuÊt nµy cho chóng ta sè lîng Pcross*pop_size c¸ thÓ
®îc dïng cho ho¹t ®éng lai ghÐp víi pop_size lµ kÝch thíc quÇn thÓ. Ngoµi c¸c c¸
thÓ ®ã ra, c¸c c¸ thÓ con lµ b¶n sao trùc tiÕp tõ cha mÑ.
To¸n tö lai ghÐp trong gi¶i thuËt SGA lµ to¸n tö lai ghÐp mét ®iÓm c¾t. Gi¶ sö
chuçi c¸ thÓ cã ®é dµi L (chuçi cã L bÝt), to¸n tõ lai ghÐp ®îc tiÕn hµnh qua hai giai
®o¹n lµ :
Ph¸t sinh mét sè ngÉu nhiªn r trong miÒn [0;1]
NÕu r < Pcross chän c¸ thÓ ®ã ®Ó lai ghÐp.
Sau ®ã, kÕt hîp c¸c c¸ thÓ ®îc chän mét c¸ch ngÉu nhiªn. Víi mçi cÆp c¸
thÓ, ph¸t sinh mét sè ngÉu nhiªn pos tõ miÒn [1, L]. Sè pos b¸o hiÖu vÞ trÝ cña ®iÓm
lai ghÐp. Hai c¸ thÓ :
(b1b2…bposbpos+1…bL) vµ (ccc2…cposcpos+1…cL)
®îc thay thÕ bëi cÆp con ch¸u :
(b1b2…bposcpos+1…cL) vµ (ccc2…cposbpos+1…bL)
§ét biÕn
C¸c to¸n tö ®ét biÕn nh»m t¹o ra c¸c th«ng tin míi trong quÇn thÓ thu ®îc
sau khi lai ghÐp t¹i c¸c vÞ trÝ bÝt nµo ®ã (quÇn thÓ cã pop_size c¸ thÓ, mçi c¸ thÓ cã
®é dµi L bÝt). §ét biÕn ®îc ¸p dông víi x¸c suÊt rÊt nhá p m, v× nÕu x¸c suÊt pm lín,
gi¶i thuËt GA trë thµnh gi¶i thuËt t×m kiÕm ngÉu nhiªn. Sè lîng bÝt ®ét biÕn lµ
pm*L*pop_size bÝt. Mçi bÝt cã c¬ héi ®ét biÕn nh nhau vµ ®îc thay ®æi tõ 0 thµnh 1
vµ ngîc l¹i. Cã thÓ xö lý theo c¸ch sau:
Víi mçi c¸ thÓ trong quÇn thÓ vµ mçi bÝt trong c¸ thÓ:
15
Ph¸t sinh mét sè ngÉu nhiªn r trong miÒn [0,1].
NÕu r < pm, tiÕn hµnh ®ét biÕn t¹i bÝt ®ã.
C¸c thao t¸c nµy ®îc ¸p dông lÆp l¹i cho tíi khi c¸c c¸ thÓ con ch¸u t¨ng trëng tíi kÝch cì mong muèn cña quÇn thÓ.
Tãm l¹i, ba to¸n tö nªu trªn ®îc tiÕn hµnh trong mét vßng lÆp cho ®Õn khi c¸c
chuçi con chiÕm toµn bé quÇn thÓ míi. QuÇn thÓ míi gåm c¸c c¸ thÓ cña ba lo¹i: bÞ
®ét biÕn sau khi lai ghÐp; lai ghÐp nhng kh«ng bÞ ®ét biÕn; kh«ng lai ghÐp vµ còng
kh«ng bÞ ®ét biÕn mµ chØ ®¬n gi¶n lµ sao chÐp l¹i.
Hµm thÝch nghi (fitness)
V× hµm thÝch nghi ph¶i nhËn gi¸ trÞ kh«ng ©m nªn cÇn ph¶i x©y dùng ¸nh x¹
tõ hµm môc tiªu ®ang xÐt cña bµi to¸n sang hµm thÝch nghi th«ng qua mét hoÆc
nhiÒu lÇn ¸nh x¹.
NÕu bµi to¸n tèi u lµ cùc tiÓu mét hµm gi¸ g(x), viÖc chuyÓn tõ hµm gi¸ sang
hµm thÝch nghi ®Ó sö dông trong GA nh sau:
f(x) = Cmax - g(x) khi g(x) < Cmax
f(x) = 0
trong c¸c trêng hîp cßn l¹i
ë ®©y, Cmax lµ tham sè ®Çu vµo. VÝ dô, cã thÓ lÊy C max lµ gi¸ trÞ lín nhÊt trong
quÇn thÓ hiÖn t¹i, hoÆc lín nhÊt sau k vßng lÆp.
Khi hµm môc tiªu t¨ng hoÆc ®ang xÐt bµi to¸n cùc ®¹i hãa mét hµm h÷u dông
u(x), cã thÓ chuyÓn sang hµm thÝch nghi nh sau:
f(x) = u(x) + Cmin khi u(x) + Cmin > 0
f(x) = 0
trong c¸c trêng hîp cßn l¹i
ë ®©y, Cmin lµ tham sè ®Çu vµo, cã thÓ lµ gi¸ trÞ tuyÖt ®èi bÐ nhÊt trong quÇn
thÓ hiÖn t¹i hoÆc trong k vßng lÆp cuèi cïng …
Tû lÖ hãa gi¸ trÞ thÝch nghi
ViÖc ®iÒu chØnh sè lîng con cña mçi c¸ thÓ trong nh÷ng quÇn thÓ nhá lµ ®iÒu
rÊt quan träng trong viÖc sö dông gi¶i thuËt SGA ®Ó gi¶i c¸c bµi to¸n tèi u. Vµo lóc
khëi ®éng vµ mét sè thÕ hÖ ban ®Çu, c¸c quÇn thÓ thêng cã mét sè c¸ thÓ siªu kháe
so víi ®¹i ®a sè c¸ thÓ cßn l¹i. NÕu ®Ó nguyªn mµ ¸p dông quy t¾c chän läc th× c¸c
c¸ thÓ siªu kháe sÏ chiÕm gÇn toµn bé quÇn thÓ tiÕp theo v× chóng cã rÊt nhiÒu con.
§iÒu nµy dÉn ®Õn viÖc héi tô sím kh«ng mong muèn. Vµo giai ®o¹n cuèi, khi sè thÕ
hÖ kh¸ lín, gi¸ trÞ thÝch nghi trung b×nh cña toµn quÇn thÓ cã thÓ gÇn víi gi¸ trÞ thÝch
nghi cña c¸ thÓ tèt nhÊt, nÕu ®Ó tù nhiªn th× c¸c c¸ thÓ trung b×nh còng cã sè con t¬ng ®¬ng víi c¸c c¸ thÓ tèt nhÊt trong thÕ hÖ tiÕp theo. NÕu ®iÒu nµy x¶y ra th× gi¶i
thuËt SGA trë thµnh gi¶i thuËt t×m kiÕm ngÉu nhiªn gi÷a c¸c c¸ thÓ trung b×nh. C¶
16
hai khã kh¨n lóc b¾t ®Çu vµ giai ®o¹n kÕt thóc nªu trªn cã thÓ vît qua b»ng viÖc tû lÖ
hãa gi¸ trÞ thÝch nghi toµn quÇn thÓ.
Mét trong nh÷ng thñ tôc tû lÖ hãa ®¬n gi¶n vµ hiÖu qu¶ lµ tû lÖ hãa tuyÕn
tÝnh. NÕu gäi gi¸ trÞ thÝch nghi ban ®Çu (cha tû lÖ hãa) lµ f vµ gi¸ trÞ thÝch nghi sau
khi tû lÖ hãa lµ f’ th× ph¬ng tr×nh tû lÖ hãa tuyÕn tÝnh lµ :
f’ = a.f + b
C¸c hÖ sè a, b cã thÓ ®îc chän theo mét sè c¸ch.Tuy nhiªn, trong mäi trêng
hîp, mong muèn r»ng gi¸ trÞ thÝch nghi trung b×nh sau khi tû lÖ hãa cña toµn quÇn
thÓ f’ave b»ng gi¸ trÞ thÝch nghi trung b×nh cña toµn quÇn thÓ tríc khi tû lÖ hãa. §iÓu
nµy ®¶m b¶o r»ng, c¸c c¸ thÓ trung b×nh sÏ ®ãng gãp mét con cho thÕ hÖ tiÕp theo.
§Ó kiÓm so¸t sè con cho thµnh viªn siªu kháe, mét ph¬ng tr×nh kh¸c ®îc chän lµ
f’max = Cmult*fave , ë ®©y Cmult lµ sè con cña c¸ thÓ cã gi¸ trÞ thÝch nghi tèt nhÊt trong
quÇn thÓ. §èi víi c¸c quÇn thÓ nhá (50
obj(Xbest)) Xbest = X;
} while (k
- Xem thêm -