Download miễn phí Bài tập lớn trí tuệ nhân tạo - Giải thuật di truyền
Mục lục
1. Tổng quan về giải thuật di truyền và các ứng dụng. 2
1.1. Giải thuật di truyền 2
1.2. Sơ đồ thực hiện giải thuật di truyền 2
1.3. Giải thuật di truyền so với các phương pháp truyền thống 3
1.4. Các ứng dụng của giải thuật di truyền. 4
1.4.1. Tối ưu hoá và máy học: 4
1.4.2. Ghi ảnh y học với giải thuật di truyền 5
1.4.3. Một số ứng dụng khác 5
2. Thực hiện giải thuật di truyền 5
2.1. Biểu diễn các cá thể 6
2.1.1. Biểu diễn nhị phân 6
2.1.2. Biểu diễn sử dụng hoán vị 6
2.1.3. Biểu diễn bằng giá trị 6
2.1.4. Biểu diễn theo cây 7
2.2. Hàm mục tiêu (Fitness) 7
2.3. Toán tử tái tạo (Reproduction) 7
2.3.1. Chọn lọc dùng bánh xe Roulette 8
2.3.2. Chọn lọc Stochastic universal sampling 9
2.3.3. Chọn lọc lân cận địa phương 9
2.3.4. Chọn lọc loại bỏ 9
2.4. Toán tử lai ghép (Crossover) 9
2.4.1. Toán tử lai ghép trong biểu diễn nhị phân 9
2.4.2. Toán tử lai ghép trong biểu diễn bằng hoán vị 10
2.4.3. Toán tử lai ghép trong biểu diễn bằng giá trị 10
2.4.4. Toán tử lai ghép trong biểu diễn theo cây. 10
2.5. Toán tử đột biến (Mutation) 11
2.6. Các thông số cơ bản của giải thuật 11
3. Cơ sở toán học của giải thuật di truyền 12
3.1. Một số khái niệm 12
3.2. Hiệu quả của sự tái tạo 13
3.3. Hiệu quả của sự lai ghép 14
3.4. Hiệu quả của sự đột biến 16
4. Nâng cao hiệu quả giải thuật di truyền 16
4.1. Lựa chọn các lược đồ 16
4.2. Dùng các toán tử cao cấp 17
4.2.1.Toán tử vi mô 17
4.2.2. Toán tử vĩ mô 18
4.3. Giải thuật di truyền lai 19
Tài liệu tham khảo 20
LỜI NÓI ĐẦU
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 hay đồ thị ) sử dụng phương
pháp đơn giản nhất và trực quan nhất hay 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 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
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
Mục lục
1. Tổng quan về giải thuật di truyền và các ứng dụng. 2
1.1. Giải thuật di truyền 2
1.2. Sơ đồ thực hiện giải thuật di truyền 2
1.3. Giải thuật di truyền so với các phương pháp truyền thống 3
1.4. Các ứng dụng của giải thuật di truyền. 4
1.4.1. Tối ưu hoá và máy học: 4
1.4.2. Ghi ảnh y học với giải thuật di truyền 5
1.4.3. Một số ứng dụng khác 5
2. Thực hiện giải thuật di truyền 5
2.1. Biểu diễn các cá thể 6
2.1.1. Biểu diễn nhị phân 6
2.1.2. Biểu diễn sử dụng hoán vị 6
2.1.3. Biểu diễn bằng giá trị 6
2.1.4. Biểu diễn theo cây 7
2.2. Hàm mục tiêu (Fitness) 7
2.3. Toán tử tái tạo (Reproduction) 7
2.3.1. Chọn lọc dùng bánh xe Roulette 8
2.3.2. Chọn lọc Stochastic universal sampling 9
2.3.3. Chọn lọc lân cận địa phương 9
2.3.4. Chọn lọc loại bỏ 9
2.4. Toán tử lai ghép (Crossover) 9
2.4.1. Toán tử lai ghép trong biểu diễn nhị phân 9
2.4.2. Toán tử lai ghép trong biểu diễn bằng hoán vị 10
2.4.3. Toán tử lai ghép trong biểu diễn bằng giá trị 10
2.4.4. Toán tử lai ghép trong biểu diễn theo cây. 10
2.5. Toán tử đột biến (Mutation) 11
2.6. Các thông số cơ bản của giải thuật 11
3. Cơ sở toán học của giải thuật di truyền 12
3.1. Một số khái niệm 12
3.2. Hiệu quả của sự tái tạo 13
3.3. Hiệu quả của sự lai ghép 14
3.4. Hiệu quả của sự đột biến 16
4. Nâng cao hiệu quả giải thuật di truyền 16
4.1. Lựa chọn các lược đồ 16
4.2. Dùng các toán tử cao cấp 17
4.2.1.Toán tử vi mô 17
4.2.2. Toán tử vĩ mô 18
4.3. Giải thuật di truyền lai 19
Tài liệu tham khảo 20
LỜI NÓI ĐẦU
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 hay đồ thị ) sử dụng phương
pháp đơn giản nhất và trực quan nhất hay 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 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
Do Drive thay đổi chính sách, nên một số link cũ yêu cầu duyệt download. các bạn chỉ cần làm theo hướng dẫn.
Password giải nén nếu cần: ket-noi.com | Bấm trực tiếp vào Link để tải:
You must be registered for see links