Đồ án Tối ưu hóa theo thuật toán di truyền

TỐI ƯU HÓA THEO THUẬT TOÁN DI TRUYỀN Tối ưu hóa Tìm cực trị đại lượng nào đó của đối tượng thiết kế dưới dạng hàm số và phải thỏa mãn các ràng buộc đặt ra. Các ràng buộc Phân loại Đơn mục tiêu và đa mục tiêu Cục bộ và toàn cục ………….  Cực đại toàn cục tại (x,y)=(0,0); f(x,y) =0. Phương pháp leo đồi&Thuật toán di truyền THUẬT TOÁN DI TRUYỀN Dựa trên cơ chế của tiến hóa tự nhiên. Được phát triển bởi John Holland, University of Michigan (1970’s), K. DeJong, D. Goldberg Professor J.Holland Cung cấp kỹ thuật hiệu quả cho tối ưuhóa và nghiên cứu máy móc Được sử dụng rộng rãi trong kinh tế,khoa học và kỹ thuật no START ENCODING INITIAL POPULATION SELECTION CROSSOVER MUTATION NEW GENERATION STOPPING CRITETIA SATISFIED? STOP REPEAT Nhiễm sắc thể: 1001 Cùng chiều dài Cùng kiểu Quần thể ban đầu: 1001 0010 1011 Ngẫu nhiên Không thay đổi Hàm mục tiêu (fi) Mã hóa Nhị phân: 01110 101001 Số thực: 1.2324   5.3243   Số nguyên: 12345 296259 Kí tự: BAOC DOANS ........ Lựa chọn: roulete wheel Quay bánh xe n lần =>phát sinh một số r qi-1 chọn nhiễm sắc thể thứ i Mỗi lần chọn một NST Elitims : chọn vài cá thể tốt nhất vào thế hệ kế tiếp, thường là 2. Lai chéo parents children Một vị trí 1001 1000 0010 0011 Hai vị trí 1001 0000 0010 1011 Đồng dạng 1001 0011 0010 1000 mask: 1010 Đột biến Parent children 1001 1000 1207 1007 Xác suất đột biến Pm Tái tạo Được quần thể mới Lặp lại chu trình trên Tiêu chuẩn dừng THIẾT KẾ THỰC NGHIỆM: Nghiên cứu ảnh hưởng của Calcium gluconate(0-0.5%), sodium gluconate(0-1%) và N-acetylglucos-amine (0-1%)lên sự phát triển của Lactobacilus acidophilus ( log CFU/ml )và Bifidobacterium longum( log CFU/ml) và lượng β-galactosidase(units/ml) mà chúng sinh ra. Phân tích ANOVA Phương trình tổng quát là các hệ số hồi quy Hàm mục tiêu với Kết quả f1 Kết quả f2 Kết quả f3 Kết quả khi chạy 3 mục tiêu cùng lúc Miền tối ưu Pareto Tập hợp các điểm tối ưu tạo thành miền Pareto Ta có được một tập các lời giải tối ưu Pareto front