Đang tải... (xem toàn văn)
HỌC VIỆN CÔNG NGHỆ BƯU CHÍNH VIỄN THÔNG KHOA ĐÀO TẠO QUỐC TẾ VÀ SAU ĐẠI HỌC BÁO CÁO MÔN HỌC CÁC KỸ THUẬT TỐI ƯU Lập trình di truyền mã hóa cặp nút cho thiết kế topo mạng mắt lưới quang Giảng viên : TS. Lê Nhật Thăng Học Viên : Nguyễn Đình Hùng Phạm Công Huy Lớp : Khoa học máy tính 20131 Hà Nội, tháng 4 năm 2014 MỤC LỤC CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN THÍCH ỨNG VÀ HEURISTIC TRONG VIỄN THÔNG 1 1.1 Các vấn đề tối ưu hóa trong viễn thông 1 1.2 Bài toán động và thích ứng. 2 1.3 Các kỹ thuật Heuristic hiện đại 3 1.3.1 Tìm kiếm cục bộ 4 1.3.2 Tìm kiến dựa trên tập hợp (PopulationBased Search) 10 1.4 Kỹ thuật tính toán thích nghi 12 1.4.1 Tính toán hệ thần kinh 14 1.4.2 Logic mờ 14 1.4.3 Lý thuyết trò chơi 15 1.5 Tổng kết 15 CHƯƠNG 6: LẬP TRÌNH DI TRUYỀN MÃ HÓA CẶP NÚT CHO THIẾT KẾ MẠNG MẮT LƯỚI QUANG 17 6.1 Giới thiệu 17 6.2 Tính toán tiến hóa cho thiết kế topo mạng 18 6.3 Mô tả bài toán 19 6.4 Các cách tiếp cận trước đây 22 6.4.1 Các thuật toán lai 23 6.4.2 Lập trình di truyền cho các cặp nút kết nối 23 6.5 Lập trình di truyền mã hóa cặp nút 24 6.6 Các kết quả thực nghiệm 27 6.6.1 Các thuật toán di truyền 28 6.6.2 Kết nốinút GP 30 6.6.3 NodePair Encoding GP 30 6.6.4 So sánh 31 6.7 Kết luận và hướng phát triển trong tương lai 33 Lời cảm ơn 35 TÀI LIỆU THAM KHẢO 36 CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TOÁN THÍCH ỨNG VÀ HEURISTIC TRONG VIỄN THÔNG 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 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 sư viễn thông, các nhà nghiên cứu và phát triển trong khoa học máy tính và 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 và hiệu quả cho nhiều bài toán trong ngành viễn thông. Phần lớn cuốn sách này tập trung vào các kỹ thuật tối ưu hóa, và 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 và Korst, 1989) và tìm kiếm tabu (Glover, 1989; 1989a), và 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) và lập trình di truyền (Koza, 1992). Mục 1.3 giới thiệu ngắn gọn và cơ bản các kỹ thuật trên, dành cho các kỹ sư viễn thông, quản lý hoặc nghiên cứu, những người hiểu biết quá nhiều về vấn đề này, nhưng chưa 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 và 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,
HỌC VIỆN CƠNG NGHỆ BƯU CHÍNH VIỄN THƠNG KHOA ĐÀO TẠO QUỐC TẾ VÀ SAU ĐẠI HỌC -********** BÁO CÁO MÔN HỌC: CÁC KỸ THUẬT TỐI ƯU Đề tài: Lập trình di truyền mã hóa cặp nút cho thiết kế topo mạng mắt lưới quang Giảng viên : TS Lê Nhật Thăng Học Viên : Nguyễn Đình Hùng Phạm Cơng Huy Lớp : Khoa học máy tính 2013-1 Hà Nội, tháng năm 2014 MỤC LỤC CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TỐN THÍCH ỨNG VÀ HEURISTIC TRONG VIỄN THÔNG .1 CHƯƠNG 6: LẬP TRÌNH DI TRUYỀN MÃ HÓA CẶP NÚT CHO THIẾT KẾ MẠNG MẮT LƯỚI QUANG 17 Các kỹ thuật tính tốn thích ứng Heuristic viễn thơng CHƯƠNG 1: CÁC KỸ THUẬT TÍNH TỐN THÍCH ỨNG VÀ HEURISTIC TRONG VIỄN THƠNG 1.1 Các vấn đề tối ưu hóa viễn thơng Sự phức tạp kích thước mạng viễn thông đại cung cấp cho nhiều thách thức hội Trong sách này, thách thức mà tập trung vào liên quan đến việc tối ưu hóa Điều đơn giản đề cập tới trường hợp mà hướng tới tìm cách tiếp cận phương án tốt nhiều phương án có để giải tốn Ví dụ, có số lượng lớn cách để thiết kế cấu trúc liên kết mạng liệu riêng cho công ty lớn Làm tìm thấy thiết kế đặc biệt tốt tất khả năng? Ngoài ra, thử tìm cách tốt để gán kênh tần số cho nhiều người sử dụng mạng di động Có loạt khó khăn phức tạp liên quan đây, số lượng phương án đáp ứng khó khăn cịn q lớn để hy vọng kiểm tra phương án số chúng Vì vậy, lần nữa, cần số cách để tìm giải pháp tốt tất khả Những thách thức hội cho hợp tác kỹ sư viễn thông, nhà nghiên cứu phát triển khoa học máy tính trí tuệ nhân tạo cộng đồng Đặc biệt, có cơng nghệ phần mềm nhằm tối ưu hóa vấn đề mà được sử dụng ngành cơng nghiệp, có tiềm lớn cho giải pháp có lợi nhuận hiệu cho nhiều tốn ngành viễn thơng Phần lớn sách tập trung vào kỹ thuật tối ưu hóa, cơng trình nghiên cứu chương tới trình bày phần việc áp dụng kỹ thuật cho toán liên quan đến viễn thông Các kỹ thuật sử dụng bao gồm phương pháp "tìm kiếm địa phương “ ủ mơ (Aarts Korst, 1989) tìm kiếm tabu (Glover, 1989; 1989a), kỹ thuật tìm kiếm 'dựa tập hợp' 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 kỹ thuật trên, dành cho kỹ sư viễn thông, quản lý nghiên cứu, người hiểu biết nhiều vấn đề này, chưa Các kỹ thuật tính tốn thích ứng Heuristic viễn thông biết cách để giải chúng Chương sau thảo luận việc sử dụng liên quan đến tốn đặc biệt viễn thơng 1.2 Bài tốn động thích ứng Một khía cạnh nhiều vấn đề tối ưu hóa viễn thông thực tế giải pháp tối ưu động Những giải pháp tốt khơng phải giải pháp lý tưởng vài giờ, chí vài phút Ví dụ, nhà cung cấp dịch vụ sở liệu phân tán ( video theo yêu cầu, dịch vụ web - nhớ đệm, vv) phải cố gắng để đảm bảo chất lượng dịch vụ cho khách hàng Để làm điều liên quan đến việc chuyển hướng sở liệu khách hàng truy cập đến máy chủ khác thời điểm khác ( khách hàng nhận biết) để thực phù hợp cân tải máy chủ Kỹ thuật tối ưu hóa đại sử dụng để phân phối tải trọng phù hợp máy chủ, nhiên giải pháp trở nên không hợp lệ sau có thay đổi trung bình mơ hình truy cập sở liệu khách hàng Một ví dụ khác định tuyến gói chung mạng point-to -point Theo truyền thống, bảng định tuyến nút sử dụng để tìm kiếm ' bước ' tốt cho gói dựa điểm đến cuối Chúng ta tưởng tượng kỹ thuật tối ưu hóa áp dụng cho vấn đề này, kỹ thuật dựa vào mơ hình tổng thể xác định bảng định tuyến thích hợp cho nút, ùn tắc chung chậm trễ giảm thiểu, tức nhiều trường hợp ‘bước kế tiếp’ tốt khơng tìm nút đường ngắn nhất, liên kết được sử dụng nhiều Tuy nhiên, rõ ràng chương trình cần thực lặp lặp lại biểu đồ thay đổi lưu lượng truy cập Việc thực lặp lặp lại kỹ thuật tối ưu hóa cách để tiếp cận tốn động, thường cách phù hợp, đặc biệt giải pháp tốt u cầu cần thiết phải nhanh, mơi trường thay đổi nhanh chóng Thay vào đó, phạm vi khác kỹ thuật tính tốn đại thường thích hợp cho tốn Chúng ta gọi chung lớp kỹ thuật "thích ứng", việc sử dụng chương sau sách thực đa dạng Đặc biệt, chương sau sử dụng tính tốn thần kinh (neural), logic mờ lý Các kỹ thuật tính tốn thích ứng Heuristic viễn thơng thuyết trị chơi để giải tối ưu hóa thích nghi môi trường động, số trường hợp kết hợp với tìm kiếm cụ dựa vào tập hợp Về bản, kỹ thuật tối ưu hóa cung cấp cách nhanh chóng hiệu để tìm giải pháp tốt nhiều giải pháp, kỹ thuật thích ứng phải cung cấp giải pháp tốt gần Thủ thuật phương pháp sử dụng tiến trình “off-line” để học vấn đề giải cho mà kết tốt nhanh u cầu chúng chuyển Ví dụ, cách tiếp cận thích hợp cho việc định tuyến gói tin mặt thay đổi mơ hình giao thông bao gồm số liên tục tơi thiểu hóa xử lý mà cập nhật liên tục bảng định tuyến nút dựa thông tin độ trễ mức độ giao thơng Trong phần cịn lai chương giới thiệu ngắn gọn tối ưu và kỹ thuật thích ứng mà đề cập Chi tiết nói chương sau Sau nói chút ba phần sách chương Sau cùng, kỹ thuật quan trọng viễn thông, chúng ngày phát triển theo thời gian 1.3 Các kỹ thuật Heuristic đại Có loạt phương pháp tiếng hoạt động nghiên cứu, : quy hoạch động (DynamicProgramming), quy hoạch tuyến tính (Integer Programming ) V v sử dụng để giải lọa vấn đề tối ưu khác Tuy nhiên , cộng đồng lớn nhà khoa học máy tính nhà nghiên cứu trí tuệ nhân tạo ngày dành nhiều nỗ lực vào ý tưởng đại gọi “metaheuristics” hay gọi “heuristic” Vấn đề khác phương pháp hiên đại phương pháp cổ điển , dễ áp dụng Tực đưa vấn đề thực tế điển hình phức tạp cần cơng sức để phát triển cách tiếp cận mơ hình tơi thép để giải vấn đề trình bày vấn đề theo cách quy hoạch tuyến tính áp dụng Điều khơng nói phương pháp đại làm tốt phương pháp cổ điển Trên thực tế, kịch thực tế điển hình mà hai loại phương pháp áp dụng : Các kỹ thuật tính tốn thích ứng Heuristic viễn thơng • Một chun gia metaheuristics so sánh hại loại kỹ thuật: phương pháp đại làm tốt phương pháp cổ điện • Một chuyên gia nghiên cứu hoạt động cổ điển so sánh hai loại kỹ thuật: phương pháp cổ điển vượt trội phương pháp đại Mặc dù quan sát dựa khía cạnh quan trọng việc giải vấn đề tối ưu bạn hiểu rõ kỹ thuật riêng biệt mà bạn áp dụng bạn có khả sử dụng khai thác để đạt kết tốt Trong phần chúng tơi cung cấp khía qt số thuật toán tối ưu đại, khơng cung cấp đầy đủ thơng tin cho người đọc để chỉnh cho phù hợp với vấn đề cụ thể Mặc dù không cho bạn cách để sáng tạo với chúng, điểm mấu chốt đâu Làm cách để áp dụng sáng tạo chúng phụ thuộc nhiều vấn đề, chương sau cung cấp thông tin cho trường hợp cụ thể Những trở nên rõ ràng từ chương này, nhiên, kỹ thuật đánh giá cao chung ứng dụng chúng Trong thực tế, có số cách sẵn để đánh giá tính điểm giải pháp ứng cử viên cho vấn đề bạn, sau kỹ thuật áp dụng Về chất kỹ thuật chia làm nhóm : tìm kiếm địa phương, tìm kiếm dựa dân số Đó thứ bàn đến 1.3.1 Tìm kiếm cục Giả sử bạn cố gắng để giải vấn đề P, bạn có tập hợp S giải pháp tiềm cho vấn đề Bạn khơng thiết phải có tập S, q lớn để hiểu rõ tồn Tuy nhiên, bạn có số cách để tạo giải pháp từ Ví dụ, S tập hợp cấu trúc liên kết cho mạng, giải pháp ứng cử s, s ', s'',… đề cử cấu trúc kết nối cụ thể mà bạn đưa theo cách Thêm vào đó, tưởng tượng bạn có hàm chuẩn hóa f(s) (fitness function) có chức đưa kết giải pháp đề cử Kết tốt đồng nghĩa với việc giải pháp tốt Lấy ví dụ, cố gắng tìm cấu trúc liên kết mạng đáng tin cậy nhất, sau f (s) tính tốn xác suất thất bại liên kết hai nút đặc biệt quan trọng Trong trường hợp muốn Các kỹ thuật tính tốn thích ứng Heuristic viễn thông sử dụng nghịch đảo giá trị thực muốn gọi ‘chuẩn hóa’ (fitness) Trong trường hợp mà kết thấp hơn, tốt thường thích hợp coi f(s) hàm chi phí Chúng ta cịn cần thêm điều nữa, mà gọi toán tử lân cận (neighbourhood operator) Đây hàm có chức lấy giải pháp đề cử s, tạo giải pháp đề cử s’ - thường khác chút so với s Chúng ta sử dụng thuật ngữ ‘biến cố’ (mutation) để mô tả cho tốn tử Ví dụ, biến đổi cấu trúc liên kết mạng, kết biến đổi bao gồm liên kết thêm khơng có cấu trúc liên kết ‘cha mẹ’, giống Ngồi ra, biến cố loại bỏ, di chuyển, liên kết Bây mơ tả cách tìm kiếm cục Trước tiên, xem xét phương pháp tìm kiếm cục đơn giản nhất, gọi phương pháp leo đồi (hillclimbing), thực theo bước đây: Bắt đầu: tạo giải pháp đề cử ban đầu (có thể cách ngẫu nhiên); gọi giải pháp tại, c Đánh giá Biến đổi c để tạo biến cố m, sau đánh giá m Nếu f(m) tốt hơn tương đương f(c), cần thay c với m (Ví dụ c m) Lặp lại bước 2, đạt tới tiêu chí kết thúc Ý tưởng hillclimbing nên trình bày rõ ràng theo thuật toán nêu Ở bước nào, có giải pháp tại, nhìn vào ân cận giải pháp – có vài điểm khác Nếu giải pháp lân cận lọc (fitter) (hoặc tương đương), ý tưởng tốt để chuyển sang lân cận đó; đó, cần bắt đầu lại với lân cận giống với giải pháp Ý tưởng đằng sau điều này, đằng sau phương pháp tìm kiếm cục nói chung, hội tụ giải pháp tốt Bạn không thực mong đợi cấu trúc liên kết đáng tin cậy xuất hiện, ví dụ, thêm liên kết đơn vào cấu trúc liên kết không đáng tin cậy Tuy nhiên, bạn mong đợi thay đổi biến cấu trúc liên kết đáng tin cậy thành cấu trúc liên kết đáng tin cậy Trong tìm kiếm cục bộ, khai thác ý tưởng cách liên tục tìm kiếm vùng lân cận giải pháp Sau chuyển đến Các kỹ thuật tính tốn thích ứng Heuristic viễn thông giải pháp phù hợp, tái thực thi trình Sự nguy hiểm gặp khó khăn với gọi ‘tối ưu cục bộ’, tức giải pháp không đủ tốt cho mục đích chúng ta, tất phương án lân cận chí cịn tồi Đây điểm khơng tốt thuật tốn leo đồi (hillclimbing), đơn giản bị mắc kẹt Các phương pháp tìm kiếm cục khác ngồi hillclimbing, có cách để giải xác tình Các phương pháp tìm kiếm cục khác phân biệt chúng với hillclimbing, nhiên, có số cách để giải tình trạng cách xác Chúng ta xem xét lại phương pháp đây, phương pháp sử dụng phổ biến sử dụng phần sau sách Dưới mô luyện kim (simulated annealing) tìm kiếm tabu (tabu search) Simulated annealing Simulated anneling giống với hillclimbing Sự khác biệt việc thêm vào cặp tham số, bước phụ mà số sách thực với tham số này, điểm chính, bước thay đổi để sử dụng tham số này: Bắt đầu: Tạo đánh giá giải pháp ứng cử ban đầu (một cách ngẫu nhiên); gọi giải pháp c Khởi tạo tham số nhiệt độ T độ làm mát r (0