Scholar Hub/Chủ đề/#giải thuật di truyền/
Giải thuật di truyền là một phương pháp sử dụng lý thuyết di truyền để giải quyết các bài toán tối ưu hóa và tìm kiếm trong lĩnh vực khoa học máy tính. Phương p...
Giải thuật di truyền là một phương pháp sử dụng lý thuyết di truyền để giải quyết các bài toán tối ưu hóa và tìm kiếm trong lĩnh vực khoa học máy tính. Phương pháp này mô phỏng quá trình tiến hóa trong tự nhiên, trong đó các cá thể được coi là các giải pháp tiềm năng và được đề xuất qua các quy luật di truyền như lai ghép, đột biến và chọn lọc. Các giải pháp tốt hơn sau mỗi thế hệ được duy trì và phát triển để tìm ra giải pháp tối ưu nhất cho vấn đề cụ thể. Giải thuật di truyền được sử dụng rộng rãi trong các lĩnh vực như tối ưu hóa kỹ thuật, thị giác máy tính, học máy và các vấn đề tìm kiếm phức tạp khác.
Giải thuật di truyền dựa trên lý thuyết tiến hóa tự nhiên và nguyên tắc di truyền di truyền để tạo ra các giải pháp tối ưu cho các bài toán tìm kiếm và tối ưu hóa. Quá trình tiến hóa diễn ra qua nhiều thế hệ, trong đó các cá thể được tạo ra, đánh giá và chọn lọc để tạo ra các thế hệ mới với giải pháp tốt hơn.
Quá trình di truyền trong giải thuật di truyền bao gồm các phép nhân, lai ghép và đột biến. Các cá thể được biểu diễn dưới dạng chuỗi các biểu diễn di truyền, thường là các chuỗi nhị phân, chuỗi số thực hoặc các cấu trúc dữ liệu khác. Các cá thể ban đầu được tạo ra ngẫu nhiên hoặc thông qua các phương pháp tạo cá thể khác nhau.
Quá trình lai ghép được sử dụng để kết hợp các thuộc tính tốt từ hai cá thể cha mẹ để tạo ra cá thể con mới. Có nhiều phương pháp lai ghép khác nhau như lai ghép một điểm cắt, lai ghép nhiều điểm cắt và lai ghép đồng nhất.
Quá trình đột biến là quá trình thay đổi ngẫu nhiên một phần của cá thể để tạo ra sự đa dạng và khám phá các khu vực giải pháp tiềm năng khác. Đột biến được thực hiện thông qua thay đổi ngẫu nhiên các gen của cá thể, có thể là đảo bit, thay đổi giá trị hoặc thay đổi vị trí của gen.
Sau khi thực hiện phép lai ghép và đột biến, các cá thể con mới được tạo ra và tiếp tục vào quá trình đánh giá và chọn lọc. Các cá thể tốt hơn được ưu tiên và duy trì trong quần thể, trong khi các cá thể kém hơn có khả năng bị loại bỏ hoặc thay thế.
Quá trình tiến hóa được lặp lại qua nhiều thế hệ cho đến khi tìm được giải pháp tối ưu hoặc khi đáp ứng được một điều kiện dừng được định trước. Các tham số như kích thước quần thể, tỷ lệ lai ghép và tỷ lệ đột biến có thể điều chỉnh để tìm ra cân bằng giữa việc thăm dò không gian giải pháp và khám phá các khu vực tiềm năng.
Giải thuật di truyền đã được áp dụng thành công trong nhiều lĩnh vực, bao gồm tối ưu hóa hàm, lập lịch, tối ưu hóa mạng neural, lập kế hoạch đường dẫn và nhiều bài toán tối ưu hóa khác.
Ứng dụng giải thuật di truyền trong tối ưu hóa bộ điều khiển cho hệ con lắc ngược trên xe Bài báo giới thiệu phương pháp tối ưu bộ điều khiển LQR bằng giải thuật di truyền (GA) cho mô hình con lắc ngược trên xe. Bài báo trình bày phương trình động học của mô hình. Sau đó, nhóm tác giả xây dựng các bộ điều khiển LQR ổn định mô hình, giữ cho thanh con lắc cân bằng ở vị trí hướng lên. Kết quả điều khiển trong trường hợp ma trận Q lựa chọn bằng kinh nghiệm được so sánh với trong trường hợp ma trận Q được tối ưu bằng GA. Từ đó nhóm tác giả so sánh đáp ứng ngõ ra hệ thống với những bộ điều khiển LQR trên. Kết quả chứng minh bộ điều khiển LQR sau tối ưu bằng GA cho đáp ứng ngõ ra tốt hơn thông qua mô phỏng và trên mô hình thực
#The LQR controller #genetic algorithm #cart and pole system #balance control #inverted pendulum
Tích hợp kỹ thuật mạng nơ ron và giải thuật di truyền trong phân tích dữ liệu In this paper we shall investigate an integration of genetic algorithms into defining neural network structure (number of hidden layers, number of neurons in each layer, neural connection weights). This combination showed its effectiveness in an experimentation for chemical data analysis in comparison with using only back-propagation neural network as shown in [4].
BÁM ĐIỂM PHÁT CÔNG SUẤT CỰC ĐẠI TOÀN CỤC CỦA HỆ THỐNG PIN QUANG ĐIỆN SỬ DỤNG GIẢI THUẬT DI TRUYỀN Khi yêu cầu hệ thống điện với cấp điện áp và công suất lớn, thường không thể sử dụng đơn thuần cấu hình liên kết song song (PC) vì có dòng điện ngõ ra rất lớn gây khó khăn cho việc thiết kế các mạch chuyển đổi. Thay vào đó, các cấu hình nối tiếp (SC) hoặc nối tiếp song song (SPC) được ứng dụng nhiều hơn vì dòng điện ngõ ra an toàn hơn cho các khóa điều khiển. Tuy nhiên, hai loại cấu hình này có nhược điểm là tạo nhiều điểm cực trị trong điều kiện bóng che một phần (PSC) gây khó khăn cho việc xác định chính xác điểm phát công suất cực đại toàn cục (GMPPT). Các giải pháp MPPT truyền thống chỉ hiệu quả trong môi trường vận hành đồng nhất và kém hiệu quả trong điều kiện PSC. Trong nội dung bài viết này giới thiệu giải pháp GMPPT của hệ thống pin quang điện (PV) bằng giải thuật di truyền. Cấu hình đề xuất dùng 3 mô-đun PV loại PHM60W36 mắc nối tiếp mô phỏng trong môi trường PSIM trong mọi điều kiện vận hành. Những kết quả thu được cho thấy khi bức xạ thay đổi liên tục thì hệ thống luôn đạt hiệu suất vượt trội và tốc độ hội tụ cao.
#Genetic Algorithm #Partial shading #photovoltaic (PV) solar cell #solar system #P-V characteristic
Nghiên cứu tối ưu vị trí và công suất nguồn điện phân tán trong lưới điện phân phối sử dụng Giải thuật di truyền Trong bài toán lựa chọn và lắp đặt các nguồn điện phân tán (DG) vào lưới điện phân phối nhằm phát huy hiệu quả vận hành LĐPP, vấn đề quan trọng là cần xác định được vị trí và công suất DG tối ưu cần phân bố trong lưới điện đó. Bởi vì LĐPP có đặc điểm nhiều nút, nhiều nhánh do đó chúng ta cần phải ứng dụng một thuật toán tìm kiếm tối ưu để giải quyết cho bài toán này. Do đó, bài báo này sử dụng giải thuật di truyền (GA) để tìm kiếm tối ưu vị trí và công suất của các DG trong LĐPP nhằm giảm tổn thất công suất và nâng cao chất lượng điện năng của LĐPP. Lưới điện mẫu IEEE 69 nút được sử dụng trong bài báo này để làm ví dụ áp dụng, kiểm chứng và đánh giá phương pháp đề xuất. Các bài toán tối ưu đơn mục tiêu và đa mục tiêu cũng được mô phỏng, phân tích và đánh giá trong bài báo
#lưới điện phân phối #giải thuật di truyền #tối ưu hóa #chất lượng điện áp #tổn thất công suất
Lựa chọn vị trí và dung lượng của thiết bị điều áp động (DVR) nhằm hạn chế hậu quả của sụt giảm điện áp ngắn hạn trên lưới phân phối điện 16 nút bằng thuật toán di truyền Bài báo xem xét việc tối ưu hóa vị trí, công suất thiết bị bù điện áp động (DVR) khắc phục hiện tượng sụt giảm điện áp ngắn hạn trên lưới phân phối. Việc lắp đặt DVR cải thiện chất lượng điện năng được thực hiện trên quan điểm của bên cấp điện, là bên thực hiện lắp đặt DVR. Việc đặt DVR không chỉ để đảm bảo chất lượng điện năng cho phụ tải cụ thể mà nhằm đảm bảo chất lượng điện năng tại nhiều nút trên lưới điện. Lựa chọn tối vị trí và công suất của DVR được thực hiện dựa trên việc xây dựng bài toán dạng tối ưu hóa đa mục tiêu, trong đó đồng thời giảm thiểu chi phí đầu tư cho DVR và giảm thiểu độ lệch điện áp. Giải bài toán tối ưu được thực hiện bởi thuật toán di truyền và ứng dụng cho lưới phân phối mẫu 16 nút. Bài toán xem xét một số tham số liên quan đến nguyên nhân ngắn mạch (tổng trở sự cố) và số lượng DVR dự kiến đặt để thấy được các yếu tố ảnh hưởng đến kết quả tính toán.
#lưới phân phối #chất lượng điện áp #sụt giảm điện áp ngắn hạn (sag) #thiết bị điều hòa công suất DVR #tối ưu hóa #giải thuật gen - GA
Áp dụng phương pháp dạy – học tích cực trong giảng dạy thực hành ngành Kỹ thuật Điện tử Truyền thông Bài viết này trình bày một số đề xuất cải tiến phương pháp giảng dạy các học phần Thực tập Mạch Tương tự và Thực tập Viễn thông thuộc ngành Điện tử Truyền thông. Việc áp dụng phương pháp dạy-học tích cực giúp sinh viên phát triển kỹ năng mềm, khả năng giải quyết vấn đề thông qua việc kết hợp thực hiện bài tập mô phỏng, bài thực hành và đồ án. Bên cạnh đó, hệ thống hỗ trợ thí nghiệm viễn thông từ xa cung cấp một công cụ hữu hiệu giúp sinh viên củng cố kiến thức và phát triển khả năng tự học. Cách tiếp cận hoạt động dạy-học tích cực này nhằm trang bị cho người học các kỹ năng cơ bản như giao tiếp, làm việc nhóm và khả năng tự học, đáp ứng yêu cầu ngày càng cao của thị trường lao động.
#dạy học tích cực #giải quyết vấn đề #học phần thực hành #kỹ năng mềm #tự học
Phương pháp tiếp cận trí tuệ nhân tạo để dự báo độ kim lún và điểm hóa mềm của nhựa đường biến tính graphen oxit Độ kim lún và điểm hóa mềm là hai chỉ tiêu quan trọng nhất để phân loại mác nhựa đường theo độ kim lún truyền thống. Việc xác định 2 chỉ tiêu này của nhựa đường biến tính graphen oxit (GO) bằng phương pháp thực nghiệm gặp những khó khăn nhất định do giá thành GO cao, thời gian thí nghiệm kéo dài. Mục đích của nghiên cứu này là sử dụng hệ thống suy luận thần kinh mờ thích ứng (ANFIS) kết hợp thuật toán giải thuật di truyền (GA) để dự đoán độ kim lún và điểm hóa mềm của nhựa đường biến tính GO. Hai bộ dữ liệu bao gồm bộ dữ liệu độ kim lún (122 mẫu), bộ dữ liệu điểm hóa mềm (130 mẫu) được thu thập từ 12 nghiên cứu khác nhau với 9 tham số đầu vào, được dùng để xây dựng và kiểm chứng công cụ mô phỏng số. Ngoài ra, nghiên cứu sử dụng kỹ thuật xác thực chéo 10 lần cùng với các tiêu chí thống kê là hệ số tương quan (R) và căn của sai số toàn phương trung bình (RMSE) để đánh giá hiệu suất của các mô hình. Kết quả nghiên cứu cho thấy, đối với bộ dữ liệu độ kim lún, mô hình ANFIS-GA có RMSE = 6.045 (0.1 mm), R = 0.949, mô hình ANFIS có RMSE = 8.492 (0.1 mm), R = 0.893. Đối với bộ dữ liệu hóa mềm, mô hình ANFIS-GA có RMSE = 1.848 (oC), R = 0.991, mô hình ANFIS có RMSE = 13.863 (oC), R = 0.818. Điều này cho thấy, cả hai mô hình ANFIS-GA và ANFIS đều đạt hiệu suất dự đoán tốt và độ chính xác cao. Với RMSE nhỏ hơn và R cao hơn ở cả 2 bộ dữ liệu, mô hình ANFIS-GA được đánh giá là tốt hơn ANFIS. Mô hình này hoàn toàn có thể được áp dụng để giúp các kỹ sư vật liệu tiết kiệm thời gian và chi phí thí nghiệm.
#Hệ thống suy luận thần kinh mờ thích ứng (ANFIS) #giải thuật di truyền (GA) #trí tuệ nhân tạo (AI) #máy học (ML) #độ kim lún #điểm hóa mềm #graphen oxit (GO)
Ước lượng tham số mô hình nhiệt RC sử dụng giải thuật di truyền Bài báo này trình bày kết quả nghiên cứu ứng dụng giải thuật di truyền để ước lượng các tham số của mô hình nhiệt dựa trên mạng nhiệt trở và tụ nhiệt. Cấu trúc mô hình nhiệt được sử dụng trong nghiên cứu này gồm 5 nhiệt trở và 2 tụ nhiệt, hay còn gọi là mô hình nhiệt 5R2C. Đây là mô hình nhiệt cải tiến từ mô hình nhiệt chuẩn 5R1C. Các tham số cần ước lượng là các tụ nhiệt và các nhiệt trở trong mô hình. Giải thuật tối ưu hóa dùng để ước lượng các tham số là giải thuật di truyền. Kết quả mô phỏng dựa trên dữ liệu thực tế thu thập được từ một tòa nhà cho thấy mô hình nhận dạng có độ chính xác khá cao. Ngoài ra, tính hiệu quả của giải thuật di truyền cũng được so sánh với giải thuật quét các tham số dựa trên hệ số tương quan
#Mô hình nhiệt RC #ước lượng tham số #giải thuật di truyền #hệ số tương quan
