Luận án Một số kỹ thuật chỉ dẫn cho giải thuật tiến hóa đa mục tiêu sử dụng mô hình đại diện cho các bài toán chi phí lớn
Thế giới ngày nay đang sống trong kỷ nguyên kỹ thuật số với sự tác
động mạnh mẽ của cuộc cách mạng công nghiệp lần thứ tư. Đây là cuộc cách
mạng sản xuất mới gắn liền với các đột phá về kỹ thuật số, được đánh dấu bởi
các công nghệ số tiêu biểu như: trí tuệ nhân tạo; xử lý dữ liệu lớn; Internet
vạn vật; điện toán đám mây; công nghệ in 3D; công nghệ cảm biến; mô phỏng
thực tại ảo, thực tại tăng cường; robot tự động Bản chất của cuộc cách
mạng này là dựa trên nền tảng kỹ thuật số, tích hợp các công nghệ thông minh
để tối ưu hóa quy trình, phương thức sản xuất. Chính vì vậy, yêu cầu phát
triển ứng dụng và công nghệ đã góp phần thúc đẩy việc nghiên cứu các giải
thuật tối ưu giải các lớp bài toán khác nhau.
Trong lĩnh vực thiết kế, tính toán và mô phỏng, nhu cầu về giải quyết các
lớp bài toán tối ưu là rất lớn. Đặc biệt trong quân sự, có nhiều bài toán tối ưu
cần giải quyết, bao gồm bài toán lập kế hoạch tác chiến cho lực lượng tác chiến
trực tiếp hoặc các đơn vị chiến đấu, các đơn vị bảo đảm. Các bài toán thường
có nhiều mục tiêu tối ưu và xung đột với nhau, các bài toán đó gọi là bài toán
tối ưu đa mục tiêu. Trong thực tế, có rất nhiều bài toán tối ưu đa mục tiêu có
chi phí tính toán lớn với các đặc điểm như: số mục tiêu lớn, không gian tìm
kiếm rộng, hàm mục tiêu có độ phức tạp tính toán lớn, thậm chí không khả vi
hoặc không được cho, mô tả, biểu diễn dưới dạng giải tích. Vì thế, để tìm được
giải pháp tối ưu cho bài toán này, đòi hỏi chi phí lớn về thời gian và tài nguyên.
Các bài toán đó hình thành lớp bài toán đa mục tiêu chi phí lớn [19], [21].
Trong phạm vi luận án, để thuận tiện cho việc trình bày, nói đến bài toán chi
phí lớn tức là nói đến bài toán tối ưu đa mục tiêu chi phí lớn
Tóm tắt nội dung tài liệu: Luận án Một số kỹ thuật chỉ dẫn cho giải thuật tiến hóa đa mục tiêu sử dụng mô hình đại diện cho các bài toán chi phí lớn
BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÕNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ---------------------------------- NGUYỄN ĐỨC ĐỊNH MỘT SỐ KỸ THUẬT CHỈ DẪN CHO GIẢI THUẬT TIẾN HÓA ĐA MỤC TIÊU SỬ DỤNG MÔ HÌNH ĐẠI DIỆN CHO CÁC BÀI TOÁN CHI PHÍ LỚN LUẬN ÁN TIẾN SĨ TOÁN HỌC Hà Nội - 2021 BỘ GIÁO DỤC VÀ ĐÀO TẠO BỘ QUỐC PHÕNG VIỆN KHOA HỌC VÀ CÔNG NGHỆ QUÂN SỰ ---------------------------------- NGUYỄN ĐỨC ĐỊNH MỘT SỐ KỸ THUẬT CHỈ DẪN CHO GIẢI THUẬT TIẾN HÓA ĐA MỤC TIÊU SỬ DỤNG MÔ HÌNH ĐẠI DIỆN CHO CÁC BÀI TOÁN CHI PHÍ LỚN Chuyên ngành: Cơ sở toán học cho tin học Mã số: 9 46 01 10 LUẬN ÁN TIẾN SĨ TOÁN HỌC NGƢỜI HƢỚNG DẪN KHOA HỌC: 1. PGS.TS. Nguyễn Xuân Hoài 2. TS. Thái Trung Kiên Hà Nội - 2021 i LỜI CAM ĐOAN Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết quả trong luận án là hoàn toàn trung thực và chưa từng được ai công bố trong bất kì công trình khoa học nào khác, các dữ liệu tham khảo được trích dẫn đầy đủ. Hà Nội, ngày tháng năm 2021 Tác giả luận án Nguyễn Đức Định ii LỜI CẢM ƠN Trước tiên, tôi xin tỏ lòng biết ơn chân thành đến PGS.TS. Nguyễn Xuân Hoài và TS. Thái Trung Kiên, đã tận tình định hướng nghiên cứu, chỉ bảo, hướng dẫn, giúp đỡ tôi trong suốt quá trình nghiên cứu và thực hiện luận án. Tôi xin trân trọng cảm ơn Thủ trưởng Viện Khoa học và Công nghệ quân sự, Phòng Đào tạo/ Viện Khoa học và Công nghệ quân sự, đã tạo điều kiện hướng dẫn, giúp đỡ tôi trong quá trình nghiên cứu và thực hiện luận án. Tôi xin trân trọng cảm ơn Thủ trưởng Viện Công nghệ thông tin, các phòng, ban của Viện Công nghệ thông tin đã quan tâm, giúp đỡ, tạo điều kiện thuận lợi cho tôi hoàn thành bản luận án. Cuối cùng, tôi xin bày tỏ sự biết ơn đến gia đình, người thân, đồng nghiệp cùng bạn bè, đặc biệt là PGS.TS. Nguyễn Long, đã luôn quan tâm, cổ vũ, động viên, góp ý và tạo điều kiện thuận lợi cho tôi thực hiện luận án này. iii MỤC LỤC Trang DANH MỤC CÁC KÝ HIỆU .................................................................................. v DANH MỤC CÁC CHỮ VIẾT TẮT ................................................................... vii DANH MỤC CÁC BẢNG ....................................................................................... x DANH MỤC CÁC HÌNH VẼ ................................................................................. xi MỞ ĐẦU .................................................................................................................... 1 Chương 1. TỔNG QUAN GIẢI THUẬT TIẾN HÓA ĐA MỤC TIÊU SỬ DỤNG MÔ HÌNH ĐẠI DIỆN CHO BÀI TOÁN CHI PHÍ LỚN ......................... 8 1.1. Tổng quan bài toán chi phí lớn .............................................................. 8 Các khái niệm .................................................................................. 8 1.1.1. Bài toán chi phí lớn ....................................................................... 11 1.1.2. 1.2. Kỹ thuật chỉ dẫn cho giải thuật tiến hóa đa mục tiêu ........................... 12 Giải thuật tiến hóa đa mục tiêu ..................................................... 12 1.2.1. Một số kỹ thuật chỉ dẫn cho giải thuật tiến hóa đa mục tiêu ........ 16 1.2.2. 1.3. Giải thuật tiến hóa đa mục tiêu sử dụng mô hình đại diện .................. 19 Mô hình đại diện ........................................................................... 19 1.3.1. Sơ đồ giải thuật SAEA .................................................................. 21 1.3.2. Các giải thuật SAEA điển hình ..................................................... 23 1.3.3. 1.4. Một số vấn đề tồn tại ............................................................................ 36 Một số vấn đề tồn tại của giải thuật SAEA................................... 36 1.4.1. Nội dung dự kiến nghiên cứu của luận án .................................... 38 1.4.2. 1.5. Kết luận Chương 1 ............................................................................... 39 Chương 2. ĐỀ XUẤT KỸ THUẬT CHỈ DẪN CHO GIẢI THUẬT K-RVEA .. 40 2.1. Giải thuật M-K-RVEA chỉ dẫn tự động ............................................... 40 Xác định tương quan giữa thông tin tham chiếu và thông tin 2.1.1. điều khiển ........................................................................................................ 40 Giải thuật M-K-RVEA .................................................................. 44 2.1.2. 2.2. Giải thuật iK-RVEA chỉ dẫn tương tác ................................................ 49 Xác định thông tin tham chiếu ...................................................... 49 2.2.1. Giải thuật iK-RVEA ..................................................................... 51 2.2.2. 2.3. Thử nghiệm và đánh giá ....................................................................... 55 iv Kịch bản thử nghiệm ..................................................................... 55 2.3.1. Kết quả thử nghiệm ....................................................................... 59 2.3.2. So sánh với một số giải thuật khác ............................................... 71 2.3.3. Đánh giá chung ............................................................................. 73 2.3.4. 2.4. Kết luận Chương 2 ............................................................................... 75 Chương 3. ĐỀ XUẤT KỸ THUẬT CHỈ DẪN CHO GIẢI THUẬT CSEA ...... 76 3.1. Giải thuật M-CSEA chỉ dẫn tự động .................................................... 76 3.2. Giải thuật iCSEA chỉ dẫn tương tác ..................................................... 81 3.3. Thử nghiệm và đánh giá ....................................................................... 85 Kịch bản thử nghiệm ..................................................................... 85 3.3.1. Kết quả thử nghiệm ....................................................................... 87 3.3.2. So sánh với một số giải thuật khác ............................................... 98 3.3.3. Đánh giá chung ........................................................................... 100 3.3.4. 3.4. Kết luận Chương 3 ............................................................................. 102 Chương 4. ỨNG DỤNG CHO BÀI TOÁN LẬP KẾ HOẠCH TÁC CHIẾN .. 103 4.1. Bài toán lập kế hoạch tác chiến cho lực lượng tác chiến điện tử ....... 103 Đặt vấn đề ................................................................................... 103 4.1.1. Mô tả bài toán ............................................................................. 106 4.1.2. Mô hình hóa bài toán .................................................................. 108 4.1.3. 4.2. Ứng dụng giải thuật sử dụng kỹ thuật chỉ dẫn để giải bài toán ......... 112 Thiết lập thông số thử nghiệm .................................................... 112 4.2.1. Kết quả thử nghiệm ..................................................................... 116 4.2.2. 4.3. Nhận xét, đánh giá .............................................................................. 120 4.4. Kết luận Chương 4 ............................................................................. 121 KẾT LUẬN ........................................................................................................... 122 DANH MỤC CÁC CÔNG TRÌNH KHOA HỌC ĐÃ CÔNG BỐ .................. 124 TÀI LIỆU THAM KHẢO.................................................................................... 125 PHỤ LỤC .............................................................................................................. 134 v DANH MỤC CÁC KÝ HIỆU M T Ma trận chuyển vị của ma trận M x Véc-tơ biến quyết định f Véc-tơ hàm mục tiêu z Véc-tơ mục tiêu n Số biến (số chiều của không gian quyết định) k Số mục tiêu (số chiều của không gian mục tiêu) S Không gian quyết định Z Không gian mục tiêu P Quần thể chính Q Quần thể con cái L Quần thể ghép A, A1, A2 Tập lưu trữ ngoài NP Kích thước quần thể chính NPOF Kích thước của lớp tối ưu Pareto ngen Số thế hệ đã trải qua Ngen Tổng số thế hệ nnon Số giải pháp không bị trội Pareto Cprb Mức độ phức tạp của bài toán Qt Tham số tiến trình thời gian pt Tham số điều khiển p0 Điểm gieo pstart Cận dưới của tham số điều khiển pend Cận trên của tham số điều khiển FE Số lần đánh giá độ thích nghi (trong trường hợp cụ thể giải thuật K-RVEA và CSEA thì FE là số lần tính toán hàm gốc) FEmax Số lần đánh giá độ thích nghi tối đa (trong trường hợp cụ thể giải thuật K-RVEA và CSEA thì FEmax là số lần tính toán hàm gốc tối đa) wmax Số thế hệ sử dụng mô hình Kriging w t max Số thế hệ sử dụng mô hình Kriging ở bước t (được điều chỉnh tự động) w nd max Số thế hệ sử dụng mô hình Kriging (do người quyết định tự xác định) m Số véc-tơ tham chiếu vi u Số cá thể được chọn để huấn luyện mô hình Kriging NI Số cá thể tối đa được duy trì trong A1 Tham số quyết định sử dụng APD hay sử dụng thông tin không chắc chắn từ Kriging Vt Tập véc-tơ tham chiếu tại thế hệ t Va Tập véc-tơ tham chiếu thích ứng Va a Tập véc-tơ tham chiếu thích ứng hoạt động Va ia Tập véc-tơ tham chiếu thích ứng không hoạt động Vf Tập véc-tơ tham chiếu cố định Vf a Tập véc-tơ tham chiếu cố định hoạt động Vf ia Tập véc-tơ tham chiếu cố định không hoạt động K Số giải pháp tham chiếu xác định biên phân lớp Kt Số giải pháp tham chiếu xác định biên phân lớp (được điều chỉnh tự động) Knd Số giải pháp tham chiếu xác định biên phân lớp (do người quyết định tự xác định) gmax Số thế hệ sử dụng mạng FNN H Số nơ-ron lớp ẩn của mạng FNN PR Tập giải pháp tham chiếu để làm biên phân lớp Dtrain Tập giải pháp để huấn luyện mạng FNN Dtest Tập giải pháp để kiểm tra mạng FNN ND Kích thước tập Dtrain NT Kích thước tập Dtest O Độ phức tạp tính toán của giải thuật Cf Độ phức tạp tính toán cực đại của các hàm gốc CK Độ phức tạp tính toán mô hình vii DANH MỤC CÁC CHỮ VIẾT TẮT MOP Bài toán tối ưu đa mục tiêu Multi-Objective Problem MOEA Giải thuật tiến hóa đa mục tiêu Multi-Objective Evolutionary Algorithm POF Lớp tối ưu Pareto Pareto Optimal Front GD Khoảng cách thế hệ Generational Distance IGD Khoảng cách thế hệ ngược Inverse Generational Distance HV Siêu thể tích Hypervolume DTLZ Lớp bài toán do K. Deb, L. Thiele, M. Laumanns, E. Zitzler đề xuất Deb-Thiele-Laumanns-Zitzler Problems LHS Lấy mẫu siêu khối Latinh Latin Hypercube Sampling DMEA Giải thuật tiến hóa đa mục tiêu dựa trên hướng Direction-based Multi-Objective Evolutionary Algorithm DMEA-II Giải thuật tiến hóa đa mục tiêu dựa trên hướng II (cải tiến của DMEA) Direction-based Multi- Objective Evolutionary Algorithm II MOGA Giải thuật di truyền đa mục tiêu Multi-Objective Genetic Algorithm MOEA/D Giải thuật tiến hóa đa mục tiêu dựa trên phân rã Multi-Objective Evolutionary Algorithm-based on Decomposition NPGA Giải thuật di truyền sử dụng kỹ thuật nich trên Pareto Niched-Pareto ... ve method for multi-objective evolutionary algorithms", In The 4th International Conference on Knowledge and Systems Engineering (KSE 2012), Danang, Vietnam. [60]. Nguyen L., Bui L. T. (2014), "A ray based interactive method for directionbased multi-objective evolutionary algorithm", In Knowledge and Systems Engineering, volume 245 of Advances in Intelligent Systems and Computing, pp.173-184, Springer International Publishing. [61]. Nguyen L., Bui L. T. (2014), "The effects of different selection schemes on the direction based multi-objective evolutionary algorithm", In The first Nafosted Conference on Information and Computer Science 2014 (NICS’14), Ha Noi, Vietnam. [62]. Nguyen L., Bui L. T., Abbass H. (2013), "A new niching method for the direction-based multi-objective evolutionary algorithm", In 2013 IEEE Symposium Series on Computational Intelligence, Singapore. 131 [63]. Nguyen L., Bui L. T., Abbass H. (2014), "DMEA-II: the direction- based multi-objective evolutionary algorithm-II", Soft Computing, 18(11), pp.2119-2134. [64]. Palacios F., Alonso J. J., Colonno M., Hicken J., Lukaczyk T. (2012), "Adjoint-based method for supersonic aircraft design using equivalent area distribution", In 50th AIAA Aerospace Sciences Meeting including the New Horizons Forum and Aerospace Exposition (p. 269). [65]. Pan L., He C., Tian Y., Wang H., Zhang X., Jin Y. (2018), "A classification-based surrogate-assisted evolutionary algorithm for expensive many-objective optimization", IEEE Transactions on Evolutionary Computation, 23(1), pp.74-88. [66]. Pilat M., Neruda R. (2011), "Lamm-mma: Multi-objective memetic algorithm with local aggregate meta-model", In Proceedings of the 13th Annual Conference Companion on Genetic and Evolutionary Computation, pp. 79-80, ACM. [67]. Pilat M., Neruda R. (2012), "An evolutionary strategy for surrogate- based multiobjective optimization", In Evolutionary Computation (CEC), 2012 IEEE Congress on, pp. 1-7, IEEE. [68]. Pilat M., Neruda R. (2013), "Aggregate meta-models for evolutionary multi-objective and many-objective optimization", Neurocomputing, 116, pp.392-402. [69]. Regis R. G. (2020), "High-dimensional constrained discrete multi- objective optimization using surrogates", In International Conference on Machine Learning, Optimization and Data Science, pp. 203-214, Springer, Cham. [70]. Rostami S., Shenfield A. (2012), "CMA-PAES: Pareto archived evolution strategy using covariance matrix adaptation for multi- objective optimisation", In 2012 12th UK Workshop on Computational Intelligence (UKCI), pp.1-8, IEEE. [71]. Sakawa M. (2012), Genetic algorithms and fuzzy multi-objective optimization, Vol. 14, Springer Science & Business Media. [72]. Schutze O., Lara A., Coello C. A. C. (2011), "On the influence of the number of objectives on the hardness of a multiobjective optimization problem", IEEE Transactions on Evolutionary Computation, 15(4), pp. 444-455. 132 [73]. Shim V. A., Tan K. C., Chia J. Y., Mamun A. A. (2013), "Multi- objective optimization with estimation of distribution algorithm in a noisy environment", Evolutionary Computation, 21(1), pp.149-177. [74]. Shimoyama K., Sato K., Jeong S., Obayashi S. (2012), "Comparison of the criteria for updating kriging response surface models in multi- objective optimization", In 2012 IEEE Congress on Evolutionary Computation, pp.1-8, IEEE. [75]. Sindhya K., Ruiz A. B., Miettinen K. (2011), "A preference based interactive evolutionary algorithm for multi-objective optimization: PIE", In International Conference on Evolutionary Multi-criterion Optimization, pp. 212-225, Springer, Berlin, Heidelberg. [76]. Singh H. K., Isaacs A., Ray T. (2011), "A Pareto corner search evolutionary algorithm and dimensionality reduction in many-objective optimization problems", IEEE Transactions on Evolutionary Computation, 15(4), pp.539-556. [77]. Soleymani F., Barfeie M., Haghani F. K. (2018), "Inverse multi- quadric RBF for computing the weights of FD method: Application to American options", Communications in Nonlinear Science and Numerical Simulation, 64, pp.74-88. [78]. Tian Y., Cheng R., Zhang X., Jin Y. (2017), “PlatEMO: A Matlab platform for evolutionary multi-objective optimization”, IEEE Computational Intelligence Magazine, 12(4), pp.73-87. [79]. Vachhani V. L., Dabhi V. K., Prajapati H. B. (2015), "Survey of multi- objective evolutionary algorithms", In 2015 International Conference on Circuits, Power and Computing Technologies (ICCPCT-2015), pp.1-9, IEEE. [80]. Vallerio M., Hufkens J., Impe J. F. M. V., Logist F. (2015), "An interactive decision-support system for multi-objective optimization of nonlinear dynamic processes with uncertainty", Expert Systems with Applications, 42(21), pp.7710-7731. [81]. Vapnik V. (2013), The nature of statistical learning theory, Springer science & Business media. [82]. Wang M., Wright J., Brownlee A., Buswell R. (2014), "A comparison of approaches to stepwise regression analysis for variables sensitivity measurements used with a multi-objective optimization problem", In 133 ASHRAE 2014 Annual Conference, ASHRAE. [83]. Wang X., Jin Y., Schimitt S., Olhofer M. (2020), "An adaptive Bayesian approach to surrogate-assisted evolutionary multi-objective optimization", Information Sciences, 519, pp. 317-331. [84]. Yang F., Kwan C., Chang C. (2007), "A differential evolution variant of NSGA II for real world multiobjective optimization", Proceeding ACAL’07 Proceedings of the 3rd Australian Conference on Progress in Artificial Life, pp. 345-356. [85]. Yevseyeva I., Basto-Fernandes V., Mendez J. R. (2011), "Survey on anti-spam single and multi-objective optimization", In International Conference on Enterprise Information Systems, pp.120-129, Springer, Berlin, Heidelberg. [86]. Zhang Q., Li H. (2007), “MOEA/D: A Multiobjective Evolutionary Algorithm Based on Decomposition”, IEEE Transactions on Evolutionary Computation, Vol. 11, No. 6. [87]. Zhao M., Zhang K., Chen G., Zhao X., Yao C., Sun H., Huang Z., Yao J. (2020), "A surrogate-assisted multi-objective evolutionary algorithm with dimension-reduction for production optimization", Journal of Petroleum Science and Engineering, 192, 107192. [88]. Zhao S., Suganthan P. N., Liu W., Tiwari S., Zhang Q. (2009), Multi- objective optimization test instances for the CEC 2009 special session and competition, CEC. [89]. Zitzler E., Thiele L., Deb K. (2000), "Comparison of multi-objective evolutionary algorithms: Emprical results", Evolutionary Computation, 8(1), pp.173-195. [90]. Zitzler E., Laumanns M., Thiele L. (2001), "SPEA2: Improving the strength pareto evolutionary algorithm for multiobjective optimization", Evolutionary Methods for Design Optimization and Control with Applications to Industrial Problems, pp.95-100, International Center for Numerical Methods in Engineering (CMINE). 134 PHỤ LỤC Các bài toán mẫu DTLZ sử dụng trong thử nghiệm Bài toán DTLZ1: 1 1 2 1 1 ( ) ... (1 ( )) 2 k kf x x x x g x 2 1 2 1 1 ( ) ...(1 )(1 ( )) 2 k kf x x x x g x , 1 1 2 1 ( ) (1 )(1 ( )) 2 k kf x x x g x 1 1 ( ) (1 )(1 ( )) 2 M kf x x g x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: 1( , ,..., )k k k nx x x x 2( ) 100 | | ( 0.5) (20 ( 0.5)) i k k k i i x x g x x x cos x Các giải pháp tối ưu Pareto tiến tới * 0.5kx và giá trị hàm mục tiêu trên siêu mặt phẳng tuyến tính 1 0.5 k ii f Bài toán DTLZ2: 1 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )cos( ) 2 2 2 2 k k kf x g x x x x x 2 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )sin( ) 2 2 2 2 k k kf x g x x x x x 3 1 2 2( ) (1 ( ))cos( )cos( )...sin( ) 2 2 2 k kf x g x x x x , 1 1 2( ) (1 ( ))cos( )sin( ) 2 2 k kf x g x x x 1( ) (1 ( ))sin( ) 2 k kf x g x x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: 1( , ,..., )k k k nx x x x 2( ) ( 0.5) i k k i x x g x x Các giải pháp tối ưu Pareto hướng đến xi = 0.5 với tất cả , , 1,...,i kx x i k k n và các giá trị 135 hàm mục tiêu phải thỏa mãn: 2 1 ( ) 1 k ii f Bài toán DTLZ3: 1 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )cos( ) 2 2 2 2 k k kf x g x x x x x 2 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )sin( ) 2 2 2 2 k k kf x g x x x x x 3 1 2 2( ) (1 ( ))cos( )cos( )...sin( ) 2 2 2 k kf x g x x x x , 1 1 2( ) (1 ( ))cos( )sin( ) 2 2 k kf x g x x x 1( ) (1 ( ))sin( ) 2 k kf x g x x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: 1( , ,..., )k k k nx x x x 2( ) 100 | | ( 0.5) (20 ( 0.5)) i k k k i i x x g x x x cos x Lưu ý rằng chỉ nên để | | 10kl x và g*=1 Bài toán DTLZ4: 1 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )cos( ) 2 2 2 2 k k kf x g x x x x x 2 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )sin( ) 2 2 2 2 k k kf x g x x x x x 3 1 2 2( ) (1 ( ))cos( )cos( )...sin( ) 2 2 2 k kf x g x x x x , 1 1 2( ) (1 ( ))cos( )sin( ) 2 2 k kf x g x x x 1( ) (1 ( ))sin( ) 2 k kf x g x x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: 1( , ,..., )k k k nx x x x 2( ) ( 0.5) i k k i x x g x x Lưu ý rằng chỉ nên để = 100 136 Bài toán DTLZ5: 1 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )cos( ) 2 2 2 2 k k kf x g x 2 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )sin( ) 2 2 2 2 k k kf x g x 3 1 2 2( ) (1 ( ))cos( )cos( )...sin( ) 2 2 2 k kf x g x , 1 1 2( ) (1 ( ))cos( )sin( ) 2 2 k kf x g x 1( ) (1 ( ))sin( ) 2 k kf x g x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: (1 2 ( ) ) 4(1 ( )) ki i k g x g x x với i =2,3, ,k-1 1( , ,..., )k k k nx x x x 2( ) ( 0.5) i k k i x x g x x Bài toán DTLZ6: 1 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )cos( ) 2 2 2 2 k k kf x g x 2 1 2 2 1( ) (1 ( ))cos( )cos( )...cos( )sin( ) 2 2 2 2 k k kf x g x 3 1 2 2( ) (1 ( ))cos( )cos( )...sin( ) 2 2 2 k kf x g x , 1 1 2( ) (1 ( ))cos( )sin( ) 2 2 k kf x g x 1( ) (1 ( ))sin( ) 2 k kf x g x Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: (1 2 ( ) ) 4(1 ( )) ki i k g x g x x với i =2,3, , k-1 1( , ,..., )k k k nx x x x 0.1( ) i k k i x x g x x 137 Bài toán DTLZ7: 1 1 1( )f x x 2 2 2( )f x x , 1 1 1( )k k kf x x 1 2 1( ) (1 ( )) ( , ,..., , )k k kf x g x h f f f g Với 0 ≤ xi ≤ 1, i = 1, 2, , n Trong đó: 1( , ,..., )k k k nx x x x 9 ( ) 1 | | i k k i x xk g x x x 1 1 2 1 1 ( , ,..., , ) (1 sin(3 )) 1 k i k i i f h f f f g k f g Bài toán DTLZ8: ( 1) 1 ( ) n j k j i n i j k f x x n k với j = 1,2, , k trong đó: ( ) ( ) 4 ( ) 1 0j k jg x f x f x với j=1,2,., (k-1) 1 , 1 ( ) 2 ( ) ( ) ( ) 1 0min k k k i j i j g x f x f x f x Với 0 ≤ xi ≤ 1, và i = 1, 2,, n Bài toán DTLZ9: 0.1 ( 1) ( ) n j k j i n i j k f x x với j = 1,2, , k trong đó: 2 2( ) ( ) ( ) 1 0j M jg x f x f x với j=1,2,., (k-1) với 0 ≤ xi ≤ 1, và i = 1, 2,, n
File đính kèm:
- luan_an_mot_so_ky_thuat_chi_dan_cho_giai_thuat_tien_hoa_da_m.pdf
- TomTat LuanAn NCS Nguyen Duc Dinh_English.pdf
- TomTat LuanAn NCS Nguyễn Đức Định_Tiếng Việt.pdf
- Thông tin kết luận mới của luận án-NCS Nguyễn Đức Định.doc
- Trích yếu Luận án NCS Nguyễn Đức Định.doc