THUẬT GIẢI DI TRUYỀN VÀ ỨNG DỤNG

GENETIC ALGORITHM AND ITS APPLICATION

SVTH: NGUYỄN THỊ THÚY HOÀI

Lớp: 04CCT01, Trường Đại Học Sư Phạm.

GVHD: PGS.TSKH TRẦN QUỐC CHIẾN

Khoa Tin học, Trường Đại Học Sư Phạm.

TÓM TẮT

Thuật giải di truyền (Genetic Algorithm_GA) là kỹ thuật chung giúp giải quyết vấn đề-bài toán

bằng cách mô phỏng sự tiến hóa của con người hay của sinh vật nói chung (dựa trên thuyết

tiến hóa muôn loài của Darwin) trong điều kiện qui định sẵn của môi trường. GA là một thuật

giải và mục tiêu của GA không nhằm đưa ra lời giải chính xác tối ưu mà là đưa ra lời giải

tương đối tối ưu.

ABSTRACT

Genetic Algorithm (GA) is one of search techniques in popular. The basic concept of GA is

designed to simulate processes in natural system necessary for evolution, specifically those

that follow the principles first laid down by Charles Darwin of survival of the fittest.

1. Mở đầu

1.1. Lý do chọn đề tài

Trong ngành khoa học máy tính, tìm kiếm lời giải tối ưu cho các bài toán là vấn đề

được các nhà khoa học máy tính đặc biệt rất quan tâm.

Mục đích chính của các thuật toán tìm kiếm lời giải là tìm ra lời giải tối ưu nhất cho bài

toán trong thời gian nhỏ nhất. Các thuật toán như tìm kiếm không có thông tin / vét cạn ( tìm

kiếm trên danh sách, trên cây hoặc đồ thị ) sử dụng phương pháp đơn giản nhất và trực quan

nhất hoặc các thuật toán tìm kiếm có thông tin sử dụng heurictics để áp dụng các tri thức về

cấu trúc của không gian tìm kiếm nhằm giảm thời gian cần thiết cho việc tìm kiếm được sử

dụng nhiều nhưng chỉ với không gian tìm kiếm nhỏ và không hiệu quả khi tìm kiếm trong

không gian tìm kiếm lớn.

Tuy nhiên, trong thực tiễn có rất nhiều bài toán tối ưu với không gian tìm kiếm rất lớn

cần phải giải quyết. Vì vậy, việc đòi hỏi thuật giải chất lượng cao và sử dụng kỹ thuật trí tuệ

nhân tạo đặc biệt rất cần thiết khi giải quyết các bài toán có không gian tìm kiếm lớn. Thuật

giải di truyền (genetic algorithm) là một trong những kỹ thuật tìm kiếm lời giải tối ưu đã đáp

ứng được yêu cầu của nhiều bài toán và ứng dụng.

Hiện nay, thuật toán di truyền cùng với logic mờ được ứng dụng rất rộng rãi trong các

lĩnh vực phức tạp. Thuật toán di truyền kết hợp với logic mờ chứng tỏ được hiệu quả của nó

trong các vấn đề khó có thể giải quyết bằng các phương pháp thông thường hay các phương

pháp cổ điển, nhất là trong các bài toán cần có sự lượng giá, đánh giá sự tối ưu của kết quả thu

được. Chính vì vậy, thuật giải di truyền đã trở thành đề tài nghiên cứu thú vị và đem đến nhiều

ứng dụng trong thực tiễn.

Ngày nay, GA được ứng dụng khá nhiều trong các lĩnh vực như khoa học, kinh doanh

và giải trí. Đầu tiên phải kể đến là các bài toán tối ưu bao gồm tối ưu số và tối ưu tổ hợp đã sử

dụng GA để tìm lời giải như là bài toán người du lịch (Travelling Salesman Problems - TSP).

Ứng dụng kế tiếp của GA là thiết kế và điều kiển robo. Hầu hết các nước có ngành CNTT phát

triển đã và đang rất quan tâm đến lĩnh vực thiết kế robo nhằm giúp con người tiết kiệm sức lao

động và giải phóng con người thoát khỏi các công việc nguy hiểm, đặc biệt hiện nay cuộc thi

“Robocon” Châu Á_ Thái Bình Dương được các nước trong khu vực rất quan tâm. Ngoài phần

cơ, để robo có thể tiến hành các hoạt động đơn giản nhất như đi, đứng thì robo cần phải

trang bị chương trình được lập trình dựa trên các thuật toán và ngôn ngữ thích hợp. Nhờ vào

lịch trình được cài đặt cùng với một trí tuệ nhân tạo , robo có thể định hướng thực hiện các

hoạt động như con người. Tuy nhiên, việc tìm kiếm lời giải tốt nhất cho các hành động của

robo không phải là đơn giản. Theo các nhà khoa học máy tính, thuật giải di truyền là một trong

những thuật toán tối ưu giúp robo vạch lộ trình khi di chuyển. Với lý do trên, em chọn đề tài:

“Thuật giải di truyền và ứng dụng”.

1.2. Đối tượng nghiên cứu

Đối tượng nghiên cứu: thuật giải di truyền và các ứng dụng

1.3. Giải pháp công nghệ

Ngôn ngữ Java

MyEclipse

2. Nội dung

2.1. Cơ sở lý thuyết

Thuật toán di truyền gồm có bốn quy luật cơ bản là lai ghép, đột biến, sinh sản và chọn

lọc tự nhiên như sau:

Quá trình lai ghép (phép lai)

Quá trình này diễn ra bằng cách ghép một hay nhiều đoạn gen từ hai nhiễm sắc thể

cha-mẹ để hình thành nhiễm sắc thể mới mang đặc tính của cả cha lẫn mẹ. Phép lai này có thể

mô tả như sau:

Chọn ngẫu nhiên hai hay nhiều cá thể trong quần thể. Giả sử chuỗi nhiễm sắc thể của

cha và mẹ đều có chiều dài là m.

Tìm điểm lai bằng cách tạo ngẫu nhiên một con số từ 1 đến m-1. Như vậy, điểm lai này

sẽ chia hai chuỗi nhiễm sắc thể cha-mẹ thành hai nhóm nhiễm sắc thể con là m1 và m2. Hai

chuỗi nhiễm sắc thể con lúc này sẽ là m11+m22 và m21+m12.

Đưa hai chuỗi nhiễm sắc thể con vào quần thể để tiếp tục tham gia quá trình tiến hóa

Quá trình đột biến (phép đột biến)

Quá trình tiến hóa được gọi là quá trình đột biến khi một hoặc một số tính trạng của

con không được thừa hưởng từ hai chuỗi nhiễm sắc thể cha-mẹ. Phép đột biến xảy ra với xác

suất thấp hơn rất nhiều lần so với xác suất xảy ra phép lai. Phép đột biến có thể mô tả như sau:

Chọn ngẫu nhiên một số k từ khoảng 1 ≥ k ≥ m

Thay đổi giá trị của gen thứ k

Đưa nhiễm sắc thể con vào quần thể để tham gia quá trình tiến hóa tiếp theo

Quá trình 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. Phép tái

sinh có thể mô phỏng như sau:

Tính độ thích nghi của từng cá thể trong quần thể, lập bảng cộng dồn các giá trị thích

nghi đó (theo thứ tự gán cho từng cá thể) ta được tổng độ thích nghi. Giả sử quần thể có n cá

thể. Gọi độ thích nghi của cá thể thứ i là Fi, tổng dồn thứ i là Ft.Tổng độ thích nghi là Fm

Tạo số ngẫu nhiên F có giá trị trong đoạn từ 0 đến Fm

Chọn cá thể k đầu tiên thỏa mãn F ≥ Ft đưa vào quần thể của thế hệ mới.

Phép chọn: là quá trình loại bỏ các cá thể xấu và để lại những cá thể tốt. Phép chọn

được mô tả như sau:

Sắp xếp quần thể theo thứ tự độ thích nghi giảm dần

Loại bỏ các cá thể cuối dãy, chỉ để lại n cá thể tốt nhất