TIỂU LUẬN MÔN HỌC: CÁC KỸ THUẬT TỐI ƯU Thiết kế mạng hiệu quả sử dụng giải thuật di truyền và Heuristic

48 1.5K 3
TIỂU LUẬN  MÔN HỌC: CÁC KỸ THUẬT TỐI ƯU Thiết kế mạng hiệu quả sử dụng giải thuật di truyền và Heuristic

Đang tải... (xem toàn văn)

Tài liệu hạn chế xem trước, để xem đầy đủ mời bạn chọn Tải xuống

Thông tin tài liệu

MỤC LỤC MỤC LỤC 1 DANH MỤC HÌNH VẼ 3 DANH MỤC BẢNG BIỂU 3 CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN HEURISTIC VÀ THÍCH ỨNG TRONG VIỄN THÔNG: GIỚI THIỆU CHUNG 4 1.1 Các vấn đề tối ưu hóa trong viễn thông 4 1.2 Bài toán động và thích ứng. 5 1.3 Các kỹ thuật Heuristic hiện đại 6 1.3.1 Tìm kiếm cục bộ 7 1.3.2 Tìm kiến dựa trên tập hợp (PopulationBased Search) 13 1.4 Kỹ thuật tính toán thích ứng 15 1.4.1. Tính toán hệ thần kinh 17 1.4.2 Logic mờ 18 1.4.3 Lý thuyết trò chơi 19 1.5 Tổng kết 19 CHƯƠNG 2: THIẾT KẾ MẠNG HIỆU QUẢ SỬ DỤNG GIẢI THUẬT DI TRUYỀN VÀ HEURISTIC 21 2.1 Giới thiêu 21 2.2 Định nghĩa vấn đề 22 2.2.1 Tổi thiểu chi phí 22 2.2.2 Luồng cực đại 22 2.2.3 Luồng nhiều hàng hóa 23 2.2.4 Định tuyến hiệu quả 23 2.2.5. Dự phòng đủ (Sufficient Redundancy) 24 2.2.6 Độ trễ chấp nhận 24 2.2.7 Bảo toàn luồng 25 2.3 Vấn đề phức tạp 26 2.4 Thuật toán Heuristic 28 2.4.1. Topology 32 2.4.2 Phân luồng 36 2.4.3 Phân khả năng 36 2.4.4 Độ trễ 39 2.4.5 Kết quả 39 2.5 Thuật toán Genetic 40 2.6 Kết luận 42 2.7 Phụ lục 44 2.7.1 Chứng minh thuật toán 1 44 2.7.2 Độ phức tạp thời gian 46 TÀI LIỆU THAM KHẢO 47 DANH MỤC HÌNH VẼ Hình 2.1: Các vần đề trong trong vấn đề thiết kế mạng và mỗi quan hệ lẫn nhau giữa chúng 28 Hình 2.2: Cây bao trùm lớn nhất và đồ thị tuyến tính luồng tương ứng của nó 31 Hình 2.3: Cây bao trùm lớn nhán cảu đồ thị yêu cầu đầy đủ của bàng 2.1 32 Hình 2.4: Đồ thị luồng tương ứng tuyến tính tương ứng với câu bao trùm hình 2.3 33 Hình 2.5: quá trình lấy vòng dung lượng đồng nhất từ luồng tương đương tuyến tính 33 Hình 2.6: vòng dung lượng đồng đều trích từ đồ thị hình 2.4. 33 Hình 2.7: Hình mạng sau khi áp dụng thuật toán union of rings 35 Hình 2.8: Kết quả các cấu trúc liên kết mạng từ mỗi phương pháp so sánh với vấn đề 10 thành phố của Trung Quốc. Mạng tận cùng bên trái là kết quả của phương pháp Branch Exchange, mạng ở giữa là kết quả của thuật toán di truyền, và các mạng lưới bên phải là kết quả từ thuật toán union of rings. 35 DANH MỤC BẢNG BIỂU Bảng 2.1: Yêu cầu luồng tối thiểu 32 Bảng 2.2: Tóm tắt của các thiết kế cuối cùng 40 Bảng 2.3: Kết quả cuối cùng 41 CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN HEURISTIC VÀ THÍCH ỨNG TRONG VIỄN THÔNG: GIỚI THIỆU CHUNG 1.1 Các vấn đề tối ưu hóa trong viễn thông Sự phức tạp và kích thước của các mạng viễn thông hiện đại cung cấp cho chúng ta nhiều thách thức và cơ hội. Trong cuốn sách này, những thách thức mà chúng tôi tập trung vào là những liên quan đến việc tối ưu hóa. Điều này chỉ đơn giản đề cập tới những trường hợp mà trong đó chúng ta đang hướng tới tìm một cách tiếp cận phương án tốt nhất giữa nhiều phương án có thể có để giải quyết bài toán. Ví dụ, có một số lượng lớn cách để thiết kế các cấu trúc liên kết một mạng dữ liệu riêng cho một công ty lớn. Làm thế nào chúng ta có thể tìm thấy một thiết kế đặc biệt tốt trong tất cả

HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG TIỂU LUẬN MÔN HỌC: CÁC KỸ THUẬT TỐI ƯU Tên đề tài: Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic Giảng viên hướng dẫn : PGS. TS. Lê Nhật Thăng Người thực hiện : Đỗ Quang Đức Đỗ Viết Dũng Lớp : M13CQCS01 - B Hà Nội, tháng 5, 2014 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic MỤC LỤC MỤC LỤC 2 DANH MỤC HÌNH VẼ 4 DANH MỤC BẢNG BIỂU 4 CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN HEURISTIC THÍCH ỨNG TRONG VIỄN THÔNG: GIỚI THIỆU CHUNG 5 1.1 Các vấn đề tối ưu hóa trong viễn thông 5 1.2 Bài toán động thích ứng 6 1.3 Các kỹ thuật Heuristic hiện đại 7 1.3.1 Tìm kiếm cục bộ 8 1.3.2 Tìm kiến dựa trên tập hợp (Population-Based Search) 14 1.4 Kỹ thuật tính toán thích ứng 16 1.4.1. Tính toán hệ thần kinh 18 1.4.2 Logic mờ 19 1.4.3 Lý thuyết trò chơi 20 1.5 Tổng kết 20 CHƯƠNG 2: THIẾT KẾ MẠNG HIỆU QUẢ SỬ DỤNG GIẢI THUẬT DI TRUYỀN HEURISTIC 22 2.1 Giới thiêu 22 2.2 Định nghĩa vấn đề 23 2.2.1 Tổi thiểu chi phí 23 2.2.2 Luồng cực đại 23 2.2.3 Luồng nhiều hàng hóa 24 2.2.4 Định tuyến hiệu quả 24 2.2.5. Dự phòng đủ (Sufficient Redundancy) 25 2.2.6 Độ trễ chấp nhận 25 2.2.7 Bảo toàn luồng 26 2.3 Vấn đề phức tạp 27 2.4 Thuật toán Heuristic 29 2.4.1. Topology 33 2.4.2 Phân luồng 37 2.4.3 Phân khả năng 37 2.4.4 Độ trễ 40 2.4.5 Kết quả 40 2.5 Thuật toán Genetic 41 2 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic 2.6 Kết luận 43 2.7 Phụ lục 45 2.7.1 Chứng minh thuật toán 1 45 2.7.2 Độ phức tạp thời gian 47 TÀI LIỆU THAM KHẢO 48 3 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic DANH MỤC HÌNH VẼ Hình 2.1: Các vần đề trong trong vấn đề thiết kế mạng mỗi quan hệ lẫn nhau giữa chúng 29 Hình 2.2: Cây bao trùm lớn nhất đồ thị tuyến tính luồng tương ứng của nó 32 Hình 2.3: Cây bao trùm lớn nhán cảu đồ thị yêu cầu đầy đủ của bàng 2.1 33 Hình 2.4: Đồ thị luồng tương ứng tuyến tính tương ứng với câu bao trùm hình 2.3 34 Hình 2.5: quá trình lấy vòng dung lượng đồng nhất từ luồng tương đương tuyến tính 34 Hình 2.6: vòng dung lượng đồng đều trích từ đồ thị hình 2.4 34 Hình 2.7: Hình mạng sau khi áp dụng thuật toán union of rings 36 Hình 2.8: Kết quả các cấu trúc liên kết mạng từ mỗi phương pháp so sánh với vấn đề 10 thành phố của Trung Quốc. Mạng tận cùng bên trái là kết quả của phương pháp Branch Exchange, mạng ở giữa là kết quả của thuật toán di truyền, các mạng lưới bên phải là kết quả từ thuật toán union of rings 36 DANH MỤC BẢNG BIỂU Bảng 2.1: Yêu cầu luồng tối thiểu 33 Bảng 2.2: Tóm tắt của các thiết kế cuối cùng 41 Bảng 2.3: Kết quả cuối cùng 42 4 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN HEURISTIC THÍCH ỨNG TRONG VIỄN THÔNG: GIỚI THIỆU CHUNG 1.1 Các vấn đề tối ưu hóa trong viễn thông Sự phức tạp kích thước của các mạng viễn thông hiện đại cung cấp cho chúng ta nhiều thách thức cơ hội. Trong cuốn sách này, những thách thức mà chúng tôi tập trung vào là những liên quan đến việc tối ưu hóa. Điều này chỉ đơn giản đề cập tới những trường hợp mà trong đó chúng ta đang hướng tới tìm một cách tiếp cận phương án tốt nhất giữa nhiều phương án có thể có để giải quyết bài toán. Ví dụ, có một số lượng lớn cách để thiết kế các cấu trúc liên kết một mạng dữ liệu riêng cho một công ty lớn. Làm thế nào chúng ta có thể tìm thấy một thiết kế đặc biệt tốt trong tất cả các khả năng? Ngoài ra, chúng ta có thể thử tìm một cách tốt để gán kênh tần số cho nhiều người sử dụng mạng di động. Có một loạt các khó khăn phức tạp liên quan ở đây, số lượng các phương án có thể đáp ứng các khó khăn vẫn còn quá lớn để chúng tôi hy vọng sẽ kiểm tra lần lượt từng phương án trong số chúng. Vì vậy, một lần nữa, chúng ta cần một số cách để tìm ra giải pháp tốt trong tất cả các khả năng. Những thách thức hiện tại là cơ hội cho sự hợp tác giữa các kỹ viễn thông, các nhà nghiên cứu phát triển trong khoa học máy tính trí tuệ nhân tạo cộng đồng. Đặc biệt, có một bộ các công nghệ phần mềm mới nổi nhằm tối ưu hóa các vấn đề mà hiện nay đang được được sử dụng trong ngành công nghiệp, nhưng có tiềm năng lớn cho các giải pháp có lợi nhuận hiệu quả cho nhiều bài toán trong ngành viễn thông. Phần lớn cuốn sách này tập trung vào các kỹ thuật tối ưu hóa, các công trình nghiên cứu trong các chương sắp tới trình bày một phần việc áp dụng những kỹ thuật này cho các bài toán liên quan đến viễn thông. Các kỹ thuật sử dụng bao gồm các phương pháp "tìm kiếm địa phương “ như ủ mô phỏng (Aarts Korst, 1989) tìm kiếm tabu (Glover, 1989; 1989a), các kỹ thuật tìm kiếm 'dựa trên tập hợp' như thuật toán di truyền (Hà Lan, 1975 ; Goldberg, 1989), chiến lược phát triển (Schwefel, 1981; Back, 1996), lập trình tiến hóa (Fogel, 1995) lập trình di truyền (Koza, 1992). Mục 1.3 giới thiệu ngắn gọn cơ bản các kỹ thuật trên, dành cho các kỹ viễn thông, quản lý hoặc nghiên cứu, những người hiểu biết quá nhiều về vấn đề này, nhưng chưa 5 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic biết cách để giải quyết chúng. Chương sau thảo luận về việc sử dụng liên quan đến các bài toán đặc biệt trong viễn thông. 1.2 Bài toán động thích ứng. Một khía cạnh cơ bản của nhiều vấn đề tối ưu hóa trong viễn thông là một thực tế rằng các giải pháp tối ưu là động. Những gì có thể là giải pháp tốt nhất bây giờ có thể không phải là giải pháp lý tưởng trong một vài giờ, hoặc thậm chí một vài phút. Ví dụ, các nhà cung cấp dịch vụ của một cơ sở dữ liệu phân tán ( như video theo yêu cầu, dịch vụ web - bộ nhớ đệm, vv) phải cố gắng để đảm bảo chất lượng dịch vụ cho mỗi khách hàng. Để làm điều này liên quan đến việc chuyển hướng cơ sở dữ liệu của khách hàng truy cập đến các máy chủ khác nhau tại các thời điểm khác nhau ( khách hàng không thể nhận biết) để thực hiện phù hợp cân bằng tải giữa các máy chủ. Kỹ thuật tối ưu hóa hiện đại có thể được sử dụng để phân phối tải trọng phù hợp trên các máy chủ, tuy nhiên giải pháp này trở nên không hợp lệ ngay sau khi có sự thay đổi trung bình trong mô hình truy cập cơ sở dữ liệu của khách hàng. Một ví dụ khác là định tuyến gói chung trong một mạng point-to -point. Theo truyền thống, bảng định tuyến tại mỗi nút được sử dụng để tìm kiếm ' bước kế tiếp ' tốt nhất cho một gói dựa trên điểm đến cuối cùng của nó. Chúng ta có thể tưởng tượng một kỹ thuật tối ưu hóa áp dụng cho vấn đề này, kỹ thuật này dựa vào mô hình tổng thể xác định các bảng định tuyến thích hợp cho mỗi nút, do đó ùn tắc chung sự chậm trễ có thể được giảm thiểu, tức là trong nhiều trường hợp là ' bước kế tiếp " tốt nhất có thể không tìm được nút tiếp theo trên con đường ngắn nhất, vì liên kết này có thể được được sử dụng nhiều rồi. Tuy nhiên, đây rõ ràng là một chương trình cần được thực hiện lặp đi lặp lại như những biểu đồ thay đổi lưu lượng truy cập. Việc thực hiện lặp đi lặp lại của các kỹ thuật tối ưu hóa là một trong những cách có thể để tiếp cận các bài toán động, nó thường là một cách khá phù hợp, đặc biệt là khi các giải pháp tốt yêu cầu cần thiết phải rất nhanh, vì môi trường thay đổi rất nhanh chóng. Thay vào đó, một phạm vi khác của các kỹ thuật tính toán hiện đại thường thích hợp cho các bài toán như vậy. Chúng ta có thể gọi chung lớp này là kỹ thuật "thích ứng", mặc dù việc sử dụngcác chương sau trong cuốn sách này thực sự khá đa dạng. Đặc biệt, chương sau sẽ sử dụng tính toán thần kinh (neural), logic mờ lý thuyết trò chơi để giải quyết tối ưu hóa thích nghi trong môi trường động, trong một số trường hợp kết hợp với tìm kiếm cụ bộ hoặc dựa vào tập hợp. Về cơ bản, một kỹ 6 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic thuật tối ưu hóa cung cấp một cách nhanh chóng hiệu quả để tìm một giải pháp tốt trong nhiều giải pháp, một kỹ thuật thích ứng phải cung cấp một giải pháp tốt gần như là ngay lập tức. Thủ thuật ở đây đó là các phương pháp sử dụng tiến trình “off-line” để học về vấn đề đang giải quyết sao cho khi mà các kết quả tốt nhanh được yêu cầu thì chúng sẽ được chuyển đi. Ví dụ, một cách tiếp cận thích hợp cho việc định tuyến gói tin trong các mặt thay đổi trong mô hình giao thông sẽ bao gồm một số liên tục nhưng tôi thiểu hóa xử lý mà được cập nhật liên tục trong bảng định tuyến tại mỗi nút dựa trên thông tin hiện tại về độ trễ mức độ giao thông. Trong phần còn lai của chương này chúng ta sẽ giới thiệu ngắn gọn về sự tối ưu các kỹ thuật thích ứng mà chúng ta đã đề cập ở trên. Chi tiết sẽ được nói ở các chương sau. Sau đó chúng ta sẽ nói một chút về ba phần trong cuốn sách này trong các chương tiếp theo. Sau cùng, chúng ta sẽ chỉ ra tại sao những kỹ thuật này là quan trọng trong viễn thông, chúng sẽ ngày càng phát triển theo thời gian. 1.3 Các kỹ thuật Heuristic hiện đại Có một loạt các phương pháp nổi tiếng trong hoạt động nghiên cứu, như là : quy hoạch động (DynamicProgramming), quy hoạch tuyến tính( Integer Programming ). V v đã được sử dụng để giải quyết các lọa vấn đề tối ưu khác nhau. Tuy nhiên, một cộng đồng lớn của các nhà khoa học máy tính các nhà nghiên cứu trí tuệ nhân tạo ngày nay đang dành rất nhiều nỗ lực vào những ý tưởng hiện đại hơn được gọi là “metaheuristics” hay còn gọi là “heuristic”. Vấn đề khác nhau cơ bản giữa các phương pháp hiên đại phương pháp cổ điển đó là, nó dễ áp dụng hơn. Tực là nếu đưa ra một vấn đề thực tế điển hình phức tạp thì nó sẽ cần ít công sức để phát triển cách tiếp cận mô hình tôi thép để giải quyết vấn đề đó hơn là trình bày vấn đề theo cách quy hoạch tuyến tính có thể áp dụng trên nó. Điều này không nói rằng các phương pháp hiện đại sẽ làm tốt hơn phương pháp cổ điển. Trên thực tế, kịch bản thực tế điển hình khi mà cả hai loại phương pháp được áp dụng đó là: • Một chuyên gia metaheuristics so sánh hại loại kỹ thuật: phương pháp hiện đại làm tốt hơn phương pháp cổ điện. 7 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic • Một chuyên gia nghiên cứu các hoạt động cổ điển so sánh hai loại kỹ thuật: phương pháp cổ điển vượt trội hơn phương pháp hiện đại. Mặc dù sự quan sát này dựa trên một khía cạnh quan trọng trong việc giải quyết các vấn đề tối ưu. bạn càng hiểucác kỹ thuật riêng biệt mà bạn đang áp dụng thì bạn càng có khả sử dụng khai thác nó để đạt được kết quả tốt hơn. Trong phần này chúng tôi chỉ cung cấp khía quát về một số thuật toán tối ưu hiện đại, do đó không cung cấp khá đầy đủ thông tin cho một người đọc để có thể chỉnh cho phù hợp với các vấn đề cụ thể. Mặc dù chúng tôi không chỉ cho bạn cách để sáng tạo với chúng, nhưng chúng tôi chỉ ra điểm mấu chốt ở đâu. Làm cách nào để áp dụng sáng tạo chúng thì phụ thuộc rất nhiều vấn đề, nhưng chương sau sẽ cung cấp các thông tin cho từng trường hợp cụ thể. Những gì sẽ trở nên rõ ràng từ chương này, tuy nhiên, đó là những kỹ thuật được đánh giá cao chung trong ứng dụng của chúng. Trong thực tế, bất cứ khi nào cũng có một số cách khá sẵn để đánh giá hoặc tính điểm giải pháp ứng cử viên cho vấn đề của bạn, sau đó các kỹ thuật này có thể được áp dụng. Về bản chất các kỹ thuật này được chia làm 2 nhóm: tìm kiếm địa phương, tìm kiếm dựa trên dân số. Đó sẽ là những thứ sẽ được bàn đến tiếp theo đây. 1.3.1 Tìm kiếm cục bộ Giả sử rằng bạn đang cố gắng để giải quyết một vấn đề P, bạn có một tập hợp S là các giải pháp tiềm năng cho vấn đề này. Bạn không nhất thiết phải có tập S, vì nó quá lớn để có thể hiểu rõ toàn bộ. Tuy nhiên, bạn có một số cách để tạo ra các giải pháp từ nó. Ví dụ, S có thể là một tập hợp các cấu trúc liên kết cho một mạng, các giải pháp ứng cử s, s ', s'',… là các đề cử cấu trúc kết nối cụ thể mà bạn đã đưa ra theo cách nào đó. Thêm vào đó, hãy tưởng tượng rằng bạn có một hàm chuẩn hóa f(s) (fitness function) có chức năng đưa ra kết quả của một giải pháp đề cử. Kết quả tốt hơn đồng nghĩa với việc đó là giải pháp tốt hơn. Lấy ví dụ, chúng ta đang cố gắng tìm ra những cấu trúc liên kết mạng đáng tin cậy nhất, sau đó f (s) có thể tính toán xác suất thất bại của liên kết giữa hai nút đặc biệt quan trọng. Trong trường hợp chúng ta muốn sử dụng nghịch đảo của giá trị này nếu chúng ta thực sự muốn gọi nó là ‘chuẩn hóa’ (fitness). Trong những trường hợp khi mà kết quả thấp hơn, thì tốt hơn thường thì thích hợp hơn đó là coi f(s) là một hàm chi phí. 8 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic Chúng ta còn cần thêm một điều nữa, mà chúng ta gọi là một toán tử lân cận (neighbourhood operator). Đây là hàm có chức năng lấy ra một giải pháp đề cử s, tạo ra một giải pháp đề cử mới s’ - thường chỉ hơi khác một chút so với s. Chúng ta sẽ sử dụng thuật ngữ ‘biến cố’ (mutation) để mô tả cho toán tử này. Ví dụ, nếu chúng ta biến đổi một cấu trúc liên kết mạng, kết quả biến đổi có thể bao gồm một liên kết thêm không có trong cấu trúc liên kết ‘cha mẹ’, hoặc cũng có thể là giống như nhau. Ngoài ra, biến cố có thể loại bỏ, hoặc di chuyển, một liên kết. Bây giờ chúng ta có thể mô tả một cách cơ bản về tìm kiếm cục bộ. Trước tiên, hãy xem xét một trong những phương pháp tìm kiếm cục bộ đơn giản nhất, được gọi là phương pháp leo đồi (hillclimbing), thực hiện theo các bước dưới đây: 1. Bắt đầu: tạo ra một giải pháp đề cử ban đầu (có thể bằng một cách ngẫu nhiên); gọi đây là giải pháp hiện tại, c. Đánh giá nó. 2. Biến đổi c để tạo ra một biến cố m, sau đó đánh giá m. 3. Nếu f(m) là tốt hơn hơn hoặc tương đương f(c), vậy thì cần thay thế c với m. (Ví dụ c bây giờ là một bản sao của m). 4. Lặp lại bước 2, cho đến khi nào đạt tới một tiêu chí kết thúc. Ý tưởng của hillclimbing nên được trình bày rõ ràng theo thuật toán nêu trên. Ở bất kỳ bước nào, chúng ta có một giải pháp hiện tại, khi chúng ta nhìn vào một ân cận của giải pháp này – có vài điểm khác nhau. Nếu giải pháp lân cận là một bộ lọc (fitter) (hoặc tương đương), vậy thì có vẻ như là đây một ý tưởng tốt để chuyển sang lân cận đó; do đó, cần bắt đầu lại với lân cận giống như là với một giải pháp hiện tại mới. Ý tưởng căn bản đằng sau điều này, đằng sau phương pháp tìm kiếm cục bộ nói chung, đó là sự hội tụ của các giải pháp tốt. Bạn có thể không thực sự mong đợi một cấu trúc liên kết đáng tin cậy xuất hiện, ví dụ, thêm một liên kết đơn vào một cấu trúc liên kết không đáng tin cậy. Tuy nhiên, bạn có thể mong đợi rằng một sự thay đổi như vậy có thể biến một cấu trúc liên kết đáng tin cậy thành một cấu trúc liên kết đáng tin cậy hơn. Trong tìm kiếm cục bộ, chúng ta khai thác ý tưởng này bằng cách liên tục tìm kiếm trong vùng lân cận của giải pháp hiện tại. Sau đó chúng ta sẽ chuyển đến một giải pháp phù hợp, tái thực thi quá trình này. Sự nguy hiểm ở đây là chúng ta có thể gặp khó khăn trong với cái gọi là ‘tối ưu cục bộ’, tức là giải pháp hiện tại là không đủ tốt cho mục đích của chúng ta, nhưng tất cả các phương án lân cận của nó thậm chí còn tồi hơn. Đây là điểm không tốt đối với thuật toán leo đồi (hillclimbing), vì đơn 9 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic giản là nó sẽ bị mắc kẹt ở đó. Các phương pháp tìm kiếm cục bộ khác ngoài hillclimbing, có cách để giải quyết chính xác tình huống này. Các phương pháp tìm kiếm cục bộ khác được phân biệt chúng với hillclimbing, tuy nhiên, có một số cách để giải quyết tình trạng này một cách chính xác. Chúng ta sẽ xem xét lại 2 phương pháp ở đây, đây là những phương pháp được sử dụng phổ biến được sử dụng ở phần sau trong cuốn sách này. Dưới đây là mô phỏng luyện kim (simulated annealing) tìm kiếm tabu (tabu search). Simulated annealing Simulated anneling giống với hillclimbing. Sự khác biệt duy nhất là việc thêm vào của 1 cặp tham số, một bước phụ mà một số cuốn sách thực hiện với những tham số này, đây là điểm chính, bước 3 được thay đổi để sử dụng các tham số này: 1. Bắt đầu: Tạo đánh giá giải pháp ứng cử ban đầu (một cách ngẫu nhiên); gọi đây là giải pháp hiện tại c. Khởi tạo tham số nhiệt độ T độ làm mát r (0<r<1). 2. Biến đổi c tạo ra m, kết quả của việc biến đổi c, đánh giá m. 3. Nếu đánh giá test(f(m), f(c), T) là đúng, thì thay thế c bằng m (c bây giờ là bản sao của m). 4. Cập nhật tham số nhiệt độ (T thành rT). 5. Lặp lại bước 2, cho tới khi đạt được tiêu chí kết thúc. Vấn đề xảy ra trong mô phỏng luyện kim đó là đôi khi chúng ta chấp nhận kết quả của việc biến đổi ngay cả khi nó kém hơn cả giải pháp hiện tại. Tuy nhiên, chúng không xảy ra thường xuyên khả năng kết quả của việc biến đổi kém hơn là rất thấp. Ngoài ra, chúng ta có ít khả năng làm như vậy trong thời gian tới. Kết quả tổng thể là thuật toán có cơ hội tốt để thoát khỏi optima cục bộ, do đó có thể tìm kiếm các miền tốt hơn của không gian sau này. Tuy nhiên, hướng cơ bản của sự dịch chuyển về các miền tốt hơn được duy trì. Tất cả những điều này được thực hiện trong chức năng test của bước 3. Một ví dụ về loại sử dụng test là đầu tiên thực hiện: ( ( ) ( ))/f m f c T e − Giả thiết rằng chúng ta thực hiện tối ưu hóa cost (nếu không chúng ta chỉ cần chuyển dổi f(m) f(c)). Nếu kết quả của việc biến đổi tốt hơn hoặc tương đương giải 10 [...]... tập các vấn đề cần được hoàn thiện Các vấn đề tương tự trong việc kết nối các thuật lại cũng được nhắc đến Việc phát triển các thuật tính toán đã được tích hợp cài đặt nhanh chóng trong lĩnh vực viễn thông 21 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic CHƯƠNG 2: THIẾT KẾ MẠNG HIỆU QUẢ SỬ DỤNG GIẢI THUẬT DI TRUYỀN HEURISTIC 2.1 Giới thiêu Tính hiệu quả của việc thiết kế. .. al., 1974), thuật toán di truyền (Elbaum and Sidi, 1995; King-Timet al.,1997; Pierre and Legault, 1996), thuật toán MENTOR (Groveret al., 1991; Kershenbaum,1993), tôi thép Trong chương này, chúng ta sẽ xem xét các kết của của một vài phương pháp ở trên thực hiện nghiên cứu chuyên sâu một vài kỹ thuật heuristic di truyền 22 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic 2.2... thành lớp Vấn đề sẽ 18 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic được đưa vào lớp đầu tiên, sau đó nó xử lý kết quả sẽ được đưa vào lớp thứ 2, cứ như vậy, mặc dù chúng thường chỉ có 3 lớp Rõ ràng những con số đi ra ở cuối ( kết quả) sẽ phụ thuộc vào những gì đã đi vào đầu vào, nó liên quan mật thiết được xác định bởi trọng số của các liên kết Cách cổ điển, đây là một... Bất kỳ thuật toán thiết kế mạng được chấp nhận đều phải giái quyết tất cả các hạn chế trong hình 2.1, có nghĩa là những cấu trúc liên kết cần được giải quyết đầu tiên, tiếp theo trật tự giao lưu bất kỳ, khả năng gán sự chậm trễ, để giải quyết các mục tiêu giảm thiểu chi phí 28 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic Hình 2.1: Các vần đề trong trong vấn đề thiết kế mạng mỗi... thiết kế mạng truyền thông là thử thách đối với vấn đề tối ưu Nó khó bởi các yêu cầu xung đột phụ thuộc lẫn nhau cần được tối ưu để nâng cao hiệu năng của mạng Mục tiêu của các nhà thiết kế là đưa ra một mạng có chi phí tối thiểu luồng thông tin là cực đại giữa các cặp nút nguồn kho (source-sink) sử dụng mạng đồng thời Một phương pháp thiết kế tối ưu cần đưa ra một hinh thái mạng (topo mạng )... hiện một liên kết điểm tới điểm Do vậy, một giải pháp đưa ra là “10010 ” có thể chỉ ra một liên kết điểm tới điểm giữa nút 1 2, 12 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic không có liên kết giữa nút 1 nút 3 hoặc là giữa nút 1 nút 4 hoặc là có một liên kết giữa nút 1 nút 5 Nói chung, trên đây là những cách để đưa ra một phương pháp đại di n cho các giải pháp của vấn... Ngược lại, với vấn đề định tuyến sử dụng giao thức được nói đến trong phần 2, bao gồm các thuật tối ưu động gồm 2 vấn đề liên quan đến tối ưu thời gian tiêu thụ.vấn đề chính ở phần này là tập trung vào các phương thức để thực thi tích hợp mô hình 20 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic “hộp đen”.Trong một trường hợp, hộp đen là mạng tự nhiên, trường hợp khác, nó... nhiều hoạt động sử dụng thuật Heuristic hiện đại, việc thiết kế mạng sẽ đơn giản với các vấn đề tối ưu do các vấn đề này đã được xác định rõ rang.Điều đó có nghĩa là Chúng ta có thể tiết kiệm nhiều thời gian công sức để phát triển 1 kĩ thuật tối ưu tốt nhờ sử dụng các thuật toán cơ chế đặc tả Khi một giải pháp được thiết kế, nó có thể được thực hiện cài đặt trong vài tuần hoặc vài tháng Ngược... trong số đó là tối ưu Đối với ngay cả trường hợp nhỏ của vấn đề thiết kế mạng, bất kỳ phương pháp tiếp cận trên một máy vô hướng mà đã xem xét tất cả các kết quả có thể là khó Ví dụ, 27 Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic trong phần tiếp theo một ví dụ của vấn đề này, được gọi là ”Vấn đề thiết kế mạng 10 thành phố Trung Quốc”, sẽ được định nghĩa,trong đó k = 12 n = 10 Trong.. .Thiết kế mạng hiệu quả sử dụng giải thuật di truyền Heuristic pháp hiện tại, thì biểu thức trên sẽ lớn hơn hoặc bằng 1 Nếu kết quả của việc biến đổi kém hơn, thì kết quả sẽ nhỏ hơn 1 kém hơn kết quả biến đổi là gần bằng 0 Do đó, kết quả của biểu thức được sử dụng như một xác suất Tạo ngẫu nhiên 1 số rand, với 0 . Lấy ví dụ, một topo mạng có thể được biểu diễn dưới dạng cách danh sách của các liên kết trong đó mỗi cặp liên kết là một cặp nút (a,b). Việc giải mã danh sách đó thành một topo mạng đơn giản. vấn đề. Tất nhiên sự lựa chọn cũng ảnh hưởng đến thiết kế của các “operator hàng xóm”. Trong ví dụ trên, loại bỏ 1 liên kết từ topology liên quan đến 2 loại hoạt động khác nhau trong 2 đại diện Ví dụ, một vấn đề với một trong hai đại diện mà chúng ta đã ghi nhận cho đến nay cho topology mạng là một topology được tạo ngẫu nhiên điển hình cũng có thể là không kết nối. Đó là một giải pháp

Ngày đăng: 23/06/2014, 17:03

Từ khóa liên quan

Mục lục

  • MỤC LỤC

  • DANH MỤC HÌNH VẼ

  • DANH MỤC BẢNG BIỂU

  • CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN HEURISTIC VÀ THÍCH ỨNG TRONG VIỄN THÔNG: GIỚI THIỆU CHUNG

    • 1.1 Các vấn đề tối ưu hóa trong viễn thông

    • 1.2 Bài toán động và thích ứng.

    • 1.3 Các kỹ thuật Heuristic hiện đại

      • 1.3.1 Tìm kiếm cục bộ

      • 1.3.2 Tìm kiến dựa trên tập hợp (Population-Based Search)

      • 1.4 Kỹ thuật tính toán thích ứng

        • 1.4.1. Tính toán hệ thần kinh

        • 1.4.2 Logic mờ

        • 1.4.3 Lý thuyết trò chơi

        • 1.5 Tổng kết

        • CHƯƠNG 2: THIẾT KẾ MẠNG HIỆU QUẢ SỬ DỤNG GIẢI THUẬT DI TRUYỀN VÀ HEURISTIC

          • 2.1 Giới thiêu

          • 2.2 Định nghĩa vấn đề

            • 2.2.1 Tổi thiểu chi phí

            • 2.2.2 Luồng cực đại

            • 2.2.3 Luồng nhiều hàng hóa

            • 2.2.4 Định tuyến hiệu quả

            • 2.2.5. Dự phòng đủ (Sufficient Redundancy)

            • 2.2.6 Độ trễ chấp nhận

            • 2.2.7 Bảo toàn luồng

            • 2.3 Vấn đề phức tạp

Tài liệu cùng người dùng

  • Đang cập nhật ...

Tài liệu liên quan