Nghiên cứu giải thuật meta – heuristic và ứng dụng để xác định thông số động học của enzyme FTS

i

LỜI CAM ĐOAN

Tôi xin cam đoan đây là công trình nghiên cứu của riêng tôi. Các số liệu, kết
quả nêu trong Luận văn là trung thực và chƣa từng đƣợc ai công bố trong bất kỳ
công trình nào khác.
Tôi xin cam đoan rằng mọi sự giúp đỡ cho việc thực hiện Luận văn này
đã đƣợc cảm ơn và các thông tin trích dẫn trong Luận văn đã đƣợc chỉ rõ nguồn
gốc.
Học viên thực hiện Luận văn
(Ký và ghi rõ họ tên)


ii

LỜI CÁM ƠN
Tôi xin chân thành cảm ơn thầy hƣớng dẫn Tiến sĩ Lƣ Nhật Vinh, khoa Công
nghệ thông tin – Trƣờng Đại học Công nghiệp Thực phẩm TP.HCM đã tận tình
hƣớng dẫn tôi trong suốt thời gian thực hiện luận văn.
Ngƣời tôi muốn gửi lời cảm ơn sâu sắc nhất đó là mẹ chồng đáng kính của tôi
đã từ Bắc vào Nam chăm sóc tôi trong suốt thời gian nuôi con nhỏ để tôi yên tâm
học tập, nghiên cứu và làm việc, cảm ơn những lời động viên tinh thần từ nơi đảo
xa của chồng đã giúp tôi vƣợt qua mọi khó khăn, cảm ơn các con Phƣơng Nhƣ và
Phƣơng Chi đã mang lại niềm vui, nhiệt tình cho mẹ.
Tôi cũng xin cảm ơn khoa Công nghệ thông tin – Trƣờng Đại học Công nghệ
Tp. Hồ Chí Minh, thầy Võ Đình Bảy đã góp ý, định hƣớng, động viên tinh thần
thƣờng xuyên cho tập thể lớp Cao học 14SCT11.
Xin cảm ơn bạn bè và đồng nghiệp tại trƣờng Đại học Công nghiệp thực phẩm
TP.HCM, các anh chị, các bạn cùng lớp Cao học đã giúp đỡ và chia sẻ với tôi trong
quá trình học tập và thực hiện luận văn.

Đinh Thị Mận


iii

TÓM TẮT
Trong lĩnh vực khoa học thực phẩm cần xác định các thông số động học enzym
FTS cho các dây chuyền phản ứng, nhƣng rất tốn kém nhiều thời gian và các tài
nguyên khác cho quá trình thực hiện thí nghiệm. Để vƣợt qua khó khăn này, luận văn
mô tả phƣơng pháp sử dụng các giải thuật trong khoa học máy tính để giải quyết bài
toán này. Luận văn tiếp cận các giải thuật Meta – Heuristic để chọn giải thuật phù hợp
để xác định các thông số động học của enzym FTS. Vì vậy, nội dung của luận văn sẽ
phân tích các giải thuật tìm kiếm nghiệm tối ƣu gồm ACO (Ant Colony Optimization),
giải thuật SA (Simulated Annealing), TS (Tabu Search), GA (Genetic Algorithm).
Trên cơ sở các phân tích giải thuật này, luận văn đề xuất các cải tiến cho giải thuật
GA nhằm áp dụng cho bài toán dự đoán các thông số động học của enzym FTS. Để
minh họa cho các đề xuất này, luận văn mô tả thực nghiệm và so sánh kết quả với
các công trình liên quan.
Trƣớc hết, luận văn mô tả các công trình liên quan gần đây về giải thuật Meta –
Heuristic và các ứng dụng của lĩnh vực khoa học máy tính cho lĩnh vực khoa học thực
phẩm. Đặc biệt, luận văn sẽ mô tả các công trình sử dụng các giải thuật Meta –
Heuristic để dự đoán các thông số động học của enzym FTS. Kế tiếp, luận văn sẽ xác
định các đối tƣợng nghiên cứu để định hƣớng quá trình nghiên cứu. Nội dung chƣơng 2
của luận văn tiếp cận các thuật giải Meta – Heuristic nhằm phân tích sự phù hợp của
giải thuật GA cho bài toán xác định thông số động học của enzym FTS. Dựa trên sự
phân tích trong chƣơng 2, luận văn đề xuất các cải tiến cho giải thuật GA. Các nội dung
đề xuất này đƣợc mô tả chi tiết trong chƣơng 3 để từ đó làm cơ sở xây dựng ứng dụng
trong lĩnh vực khoa học thực phẩm. Dựa trên ngôn ngữ Matlab, trong chƣơng 3 của
luận văn sẽ mô tả các hàm chính để thực thi giải thuật di truyền cho bài toán xác định
các thông số động học của enzym FTS. Trong chƣơng 4 của luận văn thực hiện quá

trình cài đặt giải thuật GA cũng nhƣ xây dựng thực nghiệm và đánh giá kết quả giữa
phƣơng pháp đã đề nghị với các phƣơng pháp trong các công trình đã đƣợc công bố
trong tài liệu [3] và [4].


iv

ABSTRACT
The food science need to determine Kinematics parameters of enzym FTS in
reactive chains, but this is time-consuming and others in the process of carry out
experiments. To overcome this difficulty, the content of thesis describe a method which
uses algorithms of computer science to solve this problem. The thesis approaches
Meta – Heuristic algorithms to select a concordant algorithm which estimate
Kinematics parameters of enzym FTS in food science. Therefore, the content of thesis
is going to analyse the optimum search algorithms including ACO (Ant Colony
Optimization), SA (Simulated Annealing), TS (Tabu Search), GA (Genetic
Algorithm). On the base of the analysis, the thesis proposes the improvements of
GA to apply in this problem. To illustrate this proposed method, the thesis describes
and compares experiment results with the related works.
Firstly, the thesis presents the related works recently about Meta – Heuristic and
the food science applications in computer science. Specially, the thesis describes the
related works which apply to estimate Kinematics parameters of enzym FTS. Next, the
thesis determine research subjects to orientate the process of research. The content of
Chapter 2 approaches the Meta – Heuristic algorithms to find the concordance of GA
of problem which estimate Kinematics parameters of enzym FTS. On the bases of
Chapter 2, the thesis proposes improvements of GA. The proposed method is
described in Chapter 3 in order to build an application in food science. On the bases
of Matlab, the content of Chapter 3 presents the functions of the GA to estimate
Kinematics parameters of enzym FTS. The Chapter 4 presents the process of
installation of GA as well as builds and assesses the experimental results between

the this method and other methods in [3] and [4].


v

MỤC LỤC
LỜI CAM ĐOAN ........................................................................................................ i
LỜI CÁM ƠN .............................................................................................................ii
TÓM TẮT ................................................................................................................. iii
ABSTRACT ............................................................................................................... iv
MỤC LỤC ................................................................................................................... v
DANH MỤC CÁC TỪ VIẾT TẮT ........................................................................ viii
DANH MỤC CÁC BẢNG......................................................................................... ix
DANH MỤC BIỂU ĐỒ, ĐỒ THỊ, HÌNH ẢNH ......................................................... x
MỞ ĐẦU ................................................................................................................... 1
CHƢƠNG 1. TỔNG QUAN ....................................................................................... 4
1.1. Giới thiệu ..........................................................................................................4
1.2. Các Công trình liên quan ..................................................................................7
1.3. Phân tích các công trình liên quan ...................................................................8
1.4. Các vấn đề luận văn tập trung nghiên cứu .......................................................9
1.5. Tổng kết chƣơng ............................................................................................11
CHƢƠNG 2. CƠ SỞ LÝ THUYẾT ......................................................................... 12
2.1. Giới thiệu ........................................................................................................12
2.2. Tổng quan về giải thuật Meta - Heuristic.......................................................12
2.3. Giải thuật đàn kiến – ACO .............................................................................14
2.3.1. Giới thiệu giải thuật ACO ........................................................................14
2.3.2. Một số tính chất tự nhiên liên quan đến giải thuật ACO .........................15
2.3.3. Giải thuật ACO cơ bản ............................................................................16
2.3.4. Giải thuật ACS (Ant Colony System) .......................................................19
2.3.5. Đánh giá tổng quan giải thuật ACO ........................................................20

2.4. Giải thuật luyện kim - SA ..............................................................................21
2.4.1. Giới thiệu .................................................................................................21
2.4.2. Giải thuật SA ...........................................................................................22
2.4.3. Đánh giá tổng quan giải thuật SA ............................................................23


vi

2.5. Giải thuật tìm kiếm Tabu - TS .......................................................................24
2.5.1. Giới thiệu .................................................................................................24
2.5.2. Giải thuật TS ............................................................................................25
2.5.3. Đánh giá tổng quan giải thuật TS ............................................................26
2.6. Giải thuật di truyền - GA................................................................................28
2.6.1. Giới thiệu .................................................................................................28
2.6.2. Giải thuật GA ...........................................................................................28
2.6.3. Đánh giá tổng quan giải thuật GA ...........................................................31
2.7. Tổng kết chƣơng ............................................................................................33
CHƢƠNG 3. GIẢI THUẬT DI TRUYỀN ............................................................... 35
3.1. Giới thiệu ........................................................................................................35
3.2. Phân tích các tham số cơ bản của giải thuật di truyền ...................................36
3.2.1. Biểu diễn dữ liệu đầu vào ........................................................................36
3.2.2. Khởi tạo quần thể .....................................................................................36
3.2.3. Hàm thích nghi ........................................................................................37
3.2.4. Các toán tử di truyền ................................................................................37
3.3. Phân tích quá trình thực thi của giải thuật di truyền ......................................38
3.3.1. Phân tích quá trình thực thi ......................................................................38
3.3.2. Ví dụ thực nghiệm ...................................................................................41
3.4. Mã hóa giải thuật di truyền ............................................................................48
3.5. Tổng kết chƣơng ............................................................................................57
CHƢƠNG 4. ỨNG DỤNG GIẢI THUẬT DI TRUYỀN XÁC ĐỊNH THÔNG SỐ

ĐỘNG HỌC CỦA ENZYME FTS ........................................................................... 58
4.1. Giới thiệu ........................................................................................................58
4.2. Mô tả bài toán .................................................................................................58
4.3. Mô hình hóa bài toán ......................................................................................60
4.3.1. Lƣu đồ tổng quát ......................................................................................60
4.3.2. Phân tích các bƣớc của bài toán...............................................................61
4.4. Phân tích bài toán dựa trên giải thuật di truyền .............................................62


vii

4.4.1. Phân tích các tham số đầu vào .................................................................62
4.4.2. Thuật toán xác định thông số động học của enzyme FTS .......................71
4.5. Ví dụ thực nghiệm ..........................................................................................72
4.6. Kết quả thực nghiệm.......................................................................................78
4.7. Kết luận ..........................................................................................................86
CHƢƠNG 5. KẾT LUẬN ......................................................................................... 87
DANH MỤC TÀI LIỆU THAM KHẢO .................................................................. 88


viii

DANH MỤC CÁC TỪ VIẾT TẮT
Chữ viết tắt

Thuật ngữ tiếng Việt

ACO

Giải thuật đàn kiến (Ant Colony Optimization)

ACS

Ant Colony System

AS

Tập cho phép (Allowed Set)

EC

Tính toán tiến hóa (Evolution Computation)

ILS

Giải thuật tìm kiếm cục bộ (Iterated Local Search)

F

Fructose

FTS

Fructosyltransferase

FOS

Fructo-oligosaccharides

G

Glucose

GA

Giải thuật di truyền (Genetic algorithm)

GF

Saccharose

GF2

1-kestose

GF3

Nystose

GF4

1F- Fructosylnystose

GOS

Galacto-oligosaccharides

IMO

Isomalto-oligosaccharides

SA

Giải thuật luyện kim (Simulated annealing)

TS

Giải thuật tìm kiếm Tabu (Tabu Search)

FOS

Fructooligosaccharides

FTS

Fructosyltransferase


ix

DANH MỤC CÁC BẢNG
Bảng 4.1.

Bộ nghiệm theo lý thuyết ......................................................................64

Bảng 4.2.

Giá trị theo thực nghiệm tại phòng thí nghiệm ....................................65

Bảng 4.3.

Bảng giá trị nghiệm ứng với cá thể con thứ nhất ..................................69

Bảng 4.4.

Bảng giá trị nghiệm ứng với cá thể con thứ hai: ..................................70

Bảng 4.5.

Quần thể ban đầu của ví dụ thực nghiệm .............................................73

Bảng 4.6.

Quần thể mới sau khi thực hiện lựa chọn của ví dụ thực nghiệm ........75

Bảng 4.7.

Tập cá thể đƣợc lựa chọn trong quần thể mới của ví dụ thực nghiệm .76

Bảng 4.8.

Tập các cá thể sau khi lai ghép đột biến của ví dụ thực nghiệm ..........76

Bảng 4.9.

Quần thể kết quả của ví dụ thực nghiệm ..............................................77

Bảng 4.10. Ảnh hƣởng của thời gian phản ứng đến quá trình tổng hợp FOS bằng
enzyme FTS .............................................................................................................78
Bảng 4.11. Bảng nồng độ đƣờng ứng với cá thể tốt nhất ........................................80

Bảng 4.12. Đánh giá Độ lệch của cá thể trong quần thể .........................................85
Bảng 4.13. So sánh các giá trị sai số .......................................................................85


x

DANH MỤC BIỂU ĐỒ, ĐỒ THỊ, HÌNH ẢNH
Hình 2.1. Mô tả định hƣớng đƣờng đi của đàn kiến ................................................ 15
Hình 2.2. Lƣu đồ thuật toán ACO cơ bản ................................................................ 19
Hình 2.3. Lƣu đồ thuật toán SA ............................................................................... 23
Hình 2.4. Lƣu đồ thuật toán TS ............................................................................... 26
Hình 2.5. Chu trình mô tả giải thuật di truyền ........................................................ 29
Hình 2.6. Lƣu đồ giải thuật di truyền ...................................................................... 31
Hình 3.1. Đồ thị mô tả giá trị hàm mục tiêu ............................................................ 37
Hình 3.2. Đồ thị hàm mục tiêu ................................................................................ 41
Hình 4.1. Sơ đồ tổng quát của bài toán .................................................................... 60
Hình 4.1. Đánh giá thời gian thực thi ...................................................................... 79
Hình 4.2. Đánh giá độ lệch của quần thể ................................................................. 81
Hình 4.3. Đánh giá sai số của cá thể tốt nhất trong quần thể .................................. 81
Hình 4.4. Đánh giá sai số của cá thể xấu nhất trong quần thể ................................. 82
Hình 4.5. Đánh giá sai số trung bình của quần thể .................................................. 83
Hình 4.6. Đánh giá tổng sai số của quần thể ........................................................... 83
Hình 4.7. Đánh giá tổng bình phƣơng sai số ........................................................... 84
Hình 4.8. Tỷ lệ sai số nồng độ đƣờng giữa lý thuyết và thí nghiệm ....................... 86


1

MỞ ĐẦU
Hiện nay, tại Việt Nam ngƣời tiêu dùng đã quen với một số thực phẩm đƣợc

bổ sung Fructooligosaccharides (FOS) nhƣ sữa bột Ensure, Nestle, Dielac, một số
loại bánh (Kinh Đô, Bibica), kẹo… vì những đặc tính sinh học có lợi cho cơ thể con
ngƣời có khả năng cải thiện hệ vi sinh vật hữu ích trong đƣờng ruột (Bifidobacteria,
Lactobacilli), ít gây sâu răng, giảm lƣợng triglycerides trong máu, tăng khả năng
hấp thu canxi cho cơ thể,… nên có tác dụng tốt đối với trẻ em, ngƣời già, các bệnh
nhân tiểu đƣờng, béo phì, mỡ máu,… FOS đƣợc tổng hợp từ saccharose (GF) bằng
phƣơng pháp lên men với tác nhân là enzyme Fructosyltransferase (FTS), enzyme
FTS gồm 11 thông số động học [3]. Để chủ động điều khiển quá trình tổng hợp FOS
bắt buộc phải xác định đƣợc các thông số động học của enzyme FTS, tuy nhiên
những thông số này khó hoặc không thể xác định bằng phƣơng pháp thí nghiệm trực
tiếp [3], vì vậy việc ứng dụng công nghệ thông tin để xác định gián tiếp đƣợc các
thông số động học enzyme FTS thông qua hệ phƣơng trình vi phân là vấn đề thực
sự cần thiết, có ý nghĩa khoa học, có giá trị thực tiễn và tính xã hội cao.
Giải thuật Meta - Heuristic ngày càng đƣợc ứng dụng rộng rãi để giải các bài
toán tối ƣu trong nhiều lĩnh vực khác nhau, từ khoa học tự nhiên đến khoa học xã
hội, từ kỹ thuật đến thƣơng mại và kinh tế tài chính, trong đó nổi bật nhất là ứng
dụng tìm mô hình tối ƣu cho vấn đề. Gần đây, có nhiều nhà khoa học đã chứng
minh đƣợc hiệu quả của việc ứng dụng giải thuật Meta – Heuristic trong nhiều lĩnh
vực nhƣ thực phẩm, y khoa, sinh học,... Vì vậy, trong luận văn này thực hiện việc
nghiên cứu giải thuật Meta - Heuristic để ứng dụng xác định các thông số động học
của enzyme FTS. Mục tiêu nghiên cứu chính của luận văn gồm:
 Đề xuất mô hình của bài toán xác định thông số động học của enzyme
FTS để từ đó làm cơ sở thực thi quá trình tìm kiếm nghiệm tối ƣu.
 Đề xuất giải thuật tìm kiếm thông số động học của ezyme FTS trên cơ sở
giải thuật Meta – Heuristic.
 Nghiên cứu và phân tích sự phù hợp của giải thuật di truyền cho bài toán
xác định các thông số động học của enzym FTS.


2

 Nghiên cứu các cải tiến cho giải thuật di truyền để phù hợp bài toán xác
định các thông số động học của enzym FTS qua phƣơng pháp mã hóa,
giải mã dữ liệu đầu vào, đồng thời đề xuất phƣơng pháp chọn lọc, lai
ghép, đột biến để tạo ra quần thể mới.
 Xây dựng thực nghiệm đã xác định các thông số động học của enzyme
FTS bằng phƣơng pháp giải thuật di truyền.

 Đánh giá kết quả so với một số kết quả các công trình khác đã công bố.
Trên cơ sở mục tiêu nghiên cứu, luận văn xác định các đối tƣợng cần phải
nghiên cứu nhƣ sau:
 Cấu trúc của một bài toán tối ƣu: nhằm mô hình hóa các bài toán tối ƣu
trong các lĩnh vực để từ đó sử dụng các giải thuật phù hợp để giải quyết
bài toán này.
 Các giải thuật Meta – Heuristic: Nghiên cứu cấu trúc chung của giải thuật
Meta – Heuristic để từ đó làm cơ sở nghiên cứu các giải thuật cụ thể.
 Các giải thuật ACO (Ant Colony Optimization), EA (Envolutionary
Algorithm), SA (Simulated Annealing), TS (Tabu Search), GA (Genetic
Algorithm): Phân tích các giải thuật này nhằm chọn lựa một giải thuật
phù hợp để áp dụng cho bài toán xác định các thông số động học của
enzym FTS.
 Các toán tử trong giải thuật GA: nhằm phân tích chi tiết giải thuật GA
làm cơ sở cải tiến giải thuật để phù hợp cho bài toán xác định các thông
số động học enzym FTS.
 Nghiên cứu bài toán xác định thông số động học của enzym FTS: nhằm
mô hình hóa bài toán này trở thành bài toán tối ƣu để giải quyết bằng
thuật toán Meta – Heuristic.
 Nghiên cứu dữ liệu đầu vào và công cụ lập trình mô phỏng.
Phạm vi nghiên cứu của luận văn giới hạn trong các giải thuật Meta –
Heuristic gồm: ACO, SA, TS và GA. Từ đó phân tích tính phù hợp của các giải

thuật và chọn giải thuật để áp dụng cho bài toán xác định các thông số động học của


3

enzym FTS. Trên cơ sở này, luận văn đề xuất một số cải tiến cho giải thuật GA
nhằm áp dụng hiệu quả cho bài toán xác định thông số động học. Sau cùng, luận
văn sẽ thực hiện ứng dụng thực nghiệm và đánh giá kết quả so với các phƣơng pháp
đã công bố để minh chứng tính hiệu quả các cải tiến của giải thuật.


4

CHƢƠNG 1. TỔNG QUAN
1.1. Giới thiệu
Prebiotic là nguồn thức ăn cho các vi sinh vật sống hữu ích trong đƣờng ruột
vật chủ. Nhờ có prebiotic mà vi sinh vật hữu ích có điều kiện phát triển mạnh mẽ
hơn, do đó cải thiện hệ tiêu hóa cho vật chủ [3].
Các prebiotic đƣợc bổ sung nhiều vào thực phẩm là fructo-oligosaccharides
(FOS), galacto-oligosaccharides (GOS), isomalto-oligosaccharides (IMO), inulin và
oligosaccharides đậu nành. Trong số đó, FOS đƣợc các nhà nghiên cứu đặc biệt
quan tâm bởi chúng có nhiều hoạt tính sinh học tốt cho cơ thể của ngƣời, dễ thu
nhận và phạm vi ứng dụng rộng rãi [3]
FOS đƣợc tổng hợp từ saccharose bằng phƣơng pháp lên men với tác nhân là
vi sinh vật hoặc enzyme. Phản ứng chuyển hóa saccharose thành FOS bằng enzyme
Fructosyltransferase (FTS) rất phức tạp [3].
Cơ chế phản ứng chuyển hóa saccharose thành FOS bằng enzyme FTS gồm
các phản ứng (từ 1.1 đến 1.4) và mô hình động học phản ứng chuyển hóa
saccharose thành FOS bằng enzyme FTS dƣới dạng hệ phƣơng trình vi phân (từ 1.5
đến 1.10) [3][4]

2GF  GF2 + G

(1.1)

2GF2  GF3 + GF

(1.2)

2GF3  GF4 + GF2

(1.3)

GF3  GF2 + F

(1.4)

Với: [G], [F], [GF], [GF2], [GF3], [GF4] là nồng độ của glucose, fructose,
saccharose, 1-kestose, nystose, fructofuranosyl nystose, tính bằng g/L
FOS là hỗn hợp gồm (GF2, GF3, GF4), việc tổng hợp FOS từ saccharose
đƣợc thực hiện bằng ezyme FTS (ezyme FTS gồm 11 thông số động học).


5

Mô hình động học đƣợc mô tả:
 Vms .[GF ]
Vmk .[GF2 ]
dGF
342



.
[G ]
[G ]
dt
[GF ]  K ms (1 
) 2.504 [GF2 ]  K mk (1 
)
K igs
K igk

Vms .[GF ]
dG
180

.
dt 2.342 [GF ]  K (1  [G ] )
ms
K igs

dF 180 Vmhn .[GF3 ]

.
dt 666 [GF3 ]  K mhn

(1.5)

(1.6)

(1.7)

dGF2 504
Vms .[GF ]
Vmk .[GF2 ]
504
Vmn .[GF3 ]
504 Vmhn .[GF3 ]

.


.

.
dt
2.342 [GF ]  K (1  [G ] ) [GF ]  K (1  [G ] ) 2.666 [GF ]  K (1  [G ] ) 666 [GF3 ]  Kmhn
ms
2
mk
3
mn
Kigs
Kigk
Kign
(1.8)

dGF3
Vmk .[GF2 ]
Vmn .[GF3 ]
V .[GF3 ]

666

.

 mhn
[
G
]
[
G
]
dt
2.504 [GF ]  K (1 
) [GF3 ]  K mn (1 
) [GF3 ]  K mhn
2
mk
K igk
K ign
Vmn .[GF3 ]
dGF4
828

.
dt
2.666 [GF ]  K (1  [G ] )
3
mn
K ign

(1.9)

(1.10)

Trong đó:
+ Kms , Kmk , Kmn , Kigs , Kigk , Kign , Vms , Vmk , Vmn , Kmhn , Vmhn là 11 thông số
động học của enzyme FTS, với:

Kms , Kmk , Kmn , Kmhn là hằng số Michaelis–Menten (chuyển hóa) của
saccharose, kestose, nystose và hằng số Michaelis–Menten (thủy phân) của nystose,
tính bằng g/L.

Kigs , Kigk , Kign là hằng số ức chế cạnh tranh của glucose với cơ chất là
saccharose, kestose, nystose, tính bằng g/L.


6

Vms , Vmk , Vmn , Vmhn là tốc độ chuyển fructosyl tối đa với cơ chất là
saccharose, kestose, nystose và tốc độ thủy phân tối đa (cơ chất là nystose), tính
bằng g/L.h.
+ Các giá trị 180, 342, 504, 666, 828 là khối lƣợng phân tử của glucose,
saccharose, 1-kestose, nystose và fructofuranosyl nystose.
+ Giá trị 342/(2.504) là hệ số chuyển đổi cho g saccharose tạo ra từ 1g kestose.
+ Giá trị 180/(2.342) là hệ số chuyển đổi cho g glucose tạo ra từ 1g
saccharose.
+ Giá trị 180/666 là hệ số chuyển đổi cho g fructose tạo ra từ 1g nystose.
+ Giá trị 504/(2.342) là hệ số chuyển đổi cho g kestose tạo ra từ 1g
saccharose.
+ Giá trị 504/(2.666) là hệ số chuyển đổi cho g kestose tạo ra từ 1g nystose

(chuyển hóa).
+ Giá trị 504/666 là hệ số chuyển đổi cho g kestose tạo ra từ 1g nystose (thủy
phân).
+ Giá trị 666/(2.504) là hệ số chuyển đổi cho g nystose tạo ra từ 1g kestose.
+ Giá trị 828/(2.666) là hệ số chuyển đổi cho g fructofuranosyl nystose từ 1g
nystose.
Các nghiên cứu về động học phản ứng chuyển hóa saccharose thành FOS bằng
enzyme FTS thƣờng bao gồm hai phần:
 Xác định điều kiện tối ƣu (pH, nhiệt độ) và các thông số động học của
enzyme ( K m , K i , Vmax ).
 Xây dựng mô hình toán học mô tả quá trình chuyển hóa dựa vào cơ chế
phản ứng và động học Michaelis – Menten.
Thông thƣờng, để xác định các thông số động học của enzyme nhƣ K m , K i ,

Vmax , phải tiến hành hàng loạt thí nghiệm trực tiếp và sử dụng phƣơng pháp đồ thị
Lineweaver – Burk. Muốn dựng đƣợc các đồ thị Lineweaver – Burk có độ tin cậy
cao, cần thăm dò, tìm các nồng độ enzyme và các nồng độ cơ chất thích hợp, tìm


7

thời gian thích hợp để xác định tốc độ ban đầu của phản ứng enzyme, cũng nhƣ ảnh
hƣởng của thời gian trong quá trình phản ứng [3].
Trong một số trƣờng hợp, ví dụ nhƣ đối với enzyme FTS thu nhận từ
Aspergillus flavipes, việc xác định 11 thông số động học của enzyme FTS (Kms, Kmk,
Kmn, Kigs, Kigk, Kign, Vms, Vmk, Vmn, Kmhn, Vmhn) theo phƣơng pháp này rất phức tạp và
khó khăn. Để giải quyết vấn đề này, luận văn đề xuất sử dụng giải thuật Meta Heuristic nhằm xác định đồng thời 11 thông số động học của enzyme thông qua dữ
liệu thực nghiệm thu đƣợc trong các thí nghiệm theo dõi ảnh hƣởng của thời gian
đến quá trình tổng hợp FOS trên cơ sở nồng độ các đƣờng sản phẩm tạo thành trong
quá trình chuyển hóa sẽ thay đổi theo 11 thông số động học phù hợp với hệ phƣơng

trình vi phân (từ 1.5 đến 1.10). Phƣơng án này sẽ thay thế một vấn đề phức tạp (hàng
loạt thí nghiệm xác định độc lập từng thông số động học enzyme rất khó khăn, có
những thí nghiệm rất khó tiến hành chính xác) bằng 1 bài toán đơn giản hơn (chỉ
tiến hành thí nghiệm đơn giản là theo dõi nồng độ các đƣờng sản phẩm tạo thành,
và dùng giải thuật Meta - Heuristic để tìm đồng thời 11 thông số động học).
1.2. Các Công trình liên quan
Gần đây, có nhiều công trình đã đƣợc công bố về các giải thuật Meta –
Heuristic nhƣ: Theo tài liệu [6], vào năm 2003, Christian Blum đã khảo sát tổng
quan về bài toán tối ƣu và khảo sát về các thuật toán Meta – Heuristic nhƣ giải thuật
luyện kim SA, giải thuật tìm kiếm Tabu, Giải thuật đàn kiến ACO, giải thuật di
truyền GA; Theo tài liệu [17], năm 2014, A. Prakasam và cộng sự đã đựa một
phƣơng pháp giải quyết cho bài toán tối ƣu bằng thuật giải ACO, kết quả thực
nghiệm cho thấy sự hiệu quả của giải thuật; Theo nhƣ Stefka Fidanova (2013) đã
phân tích sự phù hợp của giải thuật Meta – Heuristic gồm ACO và GA đồng thời
đƣa ra mô hình cho các bài toán tối ƣu trong các lĩnh vực khác nhau nhƣ y sinh, hóa
học,… [9]; Theo tài liệu [5], bài toán tối ƣu tìm đƣờng đi bằng giải thuật ACO
cũng đã đƣợc giới thiệu bởi Z. A. Aziz vào năm 2015; Giải thuật ACO cũng đã
đƣợc ứng dụng trong nhiều lĩnh vực khác nhau nhƣ khai phá dữ liệu, phân lớp dữ
liệu, tính toán thông minh, máy học,… [2][7][13][15][19]; Trong lớp giải thuật tiến


8

hóa, thuật giải luyện kim, giải thuật di truyền cũng đã đƣợc đề cập đến rất nhiều
trong các công trình nhƣ [8][11][12][14][16][18][20]. Theo tài liệu [8], năm 2015,
Lee Jacobson và cộng sự đã sử dụng giải thuật di truyền ứng dụng trong các lĩnh
vực tối ƣu thời khóa biểu, tối ƣu tìm kiếm đƣờng đi, điểu khiển Robot; Năm 2015,
Petra Snaselova và cộng sự đã giới thiệu giải thuật di truyền để giải quyết bài toán
tối ƣu [18], bên cạnh đó cũng có nhiều công trình đánh giá tính hiệu quả của giải
thuật di truyền trong việc giải bài toán tối ƣu cũng nhƣ đánh giá tính hiệu quả của

độ phức tạp tính toán [10][14][16],…
Ngoài ra, trong lĩnh vực thực phẩm, đã có các công trình nghiên cứu nhƣ:
vào năm 2011, Abimbola M Enitan và cộng sụ đã sử dụng giải thuật tiến hóa để giải
quyết bài toán trong xử lý thực phẩm; Năm 2013, tác giả L. T. Hồng Ánh đã nghiên
cứu giải thuật luyện kim để xác định các thông số động học [4]; Theo tài liệu [3],
tác giả L. T. Hồng Ánh đã phân tích và áp dụng giải thuật di truyền để áp dụng cho
bài toán xác định thông số động học của enzym FTS. Trên cơ sở này, tác giả L. T.
Hồng Ánh đã thử nghiệm phƣơng pháp ngẫu nhiên để giải quyết bài toán tối ƣu
trên. Kết quả cho thấy giải thuật di truyền đã cho kết quả tốt hơn so với các phƣơng
pháp ngẫu nhiên, SA về mặt tốc độ hội tụ cũng nhƣ độ chính xác.
1.3. Phân tích các công trình liên quan
Các công trình ngoài nƣớc đã đề cập nhiều đến các thuật giải Meta –
Heuristic để giải quyết cho các bài toán tối ƣu trong nhiều lĩnh vực khác nhau. Do
đó, việc áp dụng các giải thuật Meta – Heuristic để tìm kiếm giải pháp cho bài toán
tối ƣu là một cách tiếp cận tốt và rất khả thi. Tuy nhiên, chƣa có công trình ngoài
nƣớc đề cập việc xác định các thông số động học của enzym FTS, nên đây cũng là
một thử thách cho luận văn.
Các công trình trong nƣớc đã đề cập đến bài toán này [3][4]. Tuy nhiên, chƣa
có một mô hình mã hóa các giá trị đầu vào cụ thể cũng nhƣ chƣa cải tiến trong các
phƣơng pháp chọn lựa các cá thể trong quần thể. Theo tài liệu [3], tác giả L. T.
Hồng Ánh đã áp dụng giải thuật di truyền một các thuần túy, chƣa nêu lên sự cải
tiến của thuật toán để áp dụng cho bài toán xác định thông số động học.


9

1.4. Các vấn đề luận văn tập trung nghiên cứu
Trên cơ sở các tồn tại của các công trình đã công bố, luận văn sẽ tiếp cận
nghiên cứu các giải thuật Meta – Heuristic để từ đó áp dụng vào bài toán xác định
các thông số động học. Do đó, luận văn sẽ tập trung nghiên cứu những nội dung

nhƣ sau:
 Nghiên cứu các giải thuật Meta – Heuristic để giải quyết bài toán tối ƣu
trong các lĩnh vực khác nhau.
 Nghiên cứu bài toán xác định thông số động học của enzym FTS.
 Nghiên cứu mô hình giải quyết bài toán trên dựa trên giải thuật di
truyền, đồng thời cải tiến quá trình mã hóa dữ liệu, cải tiến các phép
toán chọn lọc, lai ghép, đột biến các cá thể trong quần thê.
Đóng góp chính của luận văn này gồm ba phần chính nhƣ sau:
 Phân tích chọn lựa giải thuật di truyền cho bài toán tìm các thông số
động học của enzym FTS.
 Đề xuất một số cải tiến trong giải thuật di truyền;
 Áp dụng giải thuật di truyền để giải quyết cho bài toán xác định các
thông số động học của enzym FTS để từ đó giảm thời gian tài nguyên
khi thực hiện tại phòng thí nghiệm.
Nội dung của luận văn bao gồm 5 chƣơng nhƣ sau:
Chƣơng 1 - Tổng quan: trong chƣơng này, luận văn sẽ khảo sát tổng quan
về các công trình liên quan đến các giải thuật Meta – Heuristic nhƣ tìm kiếm ACO,
giải thuật luyện kim SA, giải thuật tìm kiếm Tabu, giải thuật di truyền GA. Dựa trên
các nội dung khảo sát này, trong chƣơng này sẽ lần lƣợt phân tích các đặc điểm của
các công trình đã công bố để từ đó đƣa ra các ƣu khuyết điểm, từ đó sẽ đánh giá tính
khả thi của đề tài luận văn cũng nhƣ định hƣớng nghiên cứu cho luận văn. Trên cơ
sở các định hƣớng nghiên cứu này, luận văn sẽ dần đi vào cụ thể từng đối tƣợng
nghiên cứu cụ thể dựa trên phƣơng pháp nghiên cứu lý thuyết và đánh giá kết quả
thực nghiệm giữa luận văn và các công trình liên quan.


10

Chƣơng 2 – Cơ sở lý thuyết: trong chƣơng này, luận văn sẽ khảo sát tổng
quan về các giải thuật Meta – Heuristic và phân tích các đặc tính tổng quát của các

giải thuật này để từ đó đƣa ra sự phù hợp của việc giải bài toán tìm thông số động
học của enzym FTS. Nội dung của chƣơng này cũng sẽ phân tích các giải thuật
Meta – Heuristic và mô hình tổng quát của bài toán tối ƣu. Dựa trên kết quả phân
tích này, luận văn sẽ định hƣớng chọn lựa một giải thuật để giải quyết bài toán đã
đặt ra. Do đó, trong Chƣơng 2 sẽ lần lƣợt phân tích các giải thuật đàn kiến ACO,
giải thuật luyện kim SA, giải thuật tìm kiếm Tabu TS, giải thuật di truyền GA. Dựa
trên các phân tích cụ thể này, luận văn sẽ đánh giá các ƣu khuyết điểm của từng giải
thuật để từ đó chọn giải thuật di truyền GA để giải quyết bài toán đã nêu. Hơn nữa,
trong chƣơng này sẽ phân tích và khẳng định giải thuật di truyền là giải pháp chọn
lựa phù hợp cho lớp bài toán dự đoán các thông số động học của enzym FTS trong
lĩnh vực khoa học thực phẩm.
Chƣơng 3 – Giải thuật di truyền: trong chƣơng này, luận văn sẽ phân tích
cụ thể và chi tiết về thuật giải thuật di truyền. Vì vậy, trong chƣơng 3 luận văn sẽ
phân tích các tham số đầu vào, cách mã hóa và giải mã dữ liệu trong giải thuật di
truyền. Nhằm thể hiện rõ ràng vấn đề này, trong chƣơng này sẽ thực hiện ví dụ cụ
thể để mô tả rõ các thông số của giải thuật di truyền. Bên cạnh đó, trong chƣơng này
sẽ mô tả các toán tử cơ bản của thuật giải di truyền gồm toán tử chọn lọc, toán tử lai
ghép, toán tử đột biến. Trên cơ sở các nội dung này, trong Chƣơng 3 sẽ đƣa ra các
phƣơng pháp thực hiện mã hóa dữ liệu, đề xuất các cải tiến để thực hiện phép chọn
lọc cá thể ngẫu nhiên, đề xuất cách lai ghép và đột biến để tạo ra quần thể mới.
Nhằm cụ thể hóa các đề xuất này, trong chƣơng này sẽ thực thi một ví dụ cụ thể dựa
trên giải thuật di truyền. Từ các nội dung đã phân tích, trong chƣơng này sẽ tiến
hành thiết lập cài đặt các hàm chức năng chính để từ đó thực hiện ứng dụng cụ thể.
Chƣơng 4 – Phƣơng pháp xác định thông số động học của enzym FTS:
trong chƣơng này, luận văn sẽ phân tích bài toán xác định các thông số động học
của enzym FTS, từ đó mô hình hóa bài toán này trở thành bài toán tối ƣu để đễ dàng
áp dụng các giải thuật Meta – Heuristic để tìm kiếm lời giải. Nội dung của Chƣơng


11

4 sẽ phân tích cụ thể giải thuật di truyển để áp dụng một bài toán cụ thể. Do đó,
trong chƣơng 4 sẽ ứng dụng các đề xuất tại chƣơng 3 và đƣa ra lƣu đồ tổng quát để
giải quyết bài toán này. Các thông số đầu vào cũng nhƣ các bƣớc thực thi cụ thể cho
bài toán đã nêu cũng sẽ đƣợc phân tích cụ thể và thực thi trên các ví dụ cụ thể. Bên
cạnh đó, để tổng quan phƣơng pháp giải quyết, trong chƣơng này sẽ thực thi một ví
dụ cụ thể cho bài toán xác định thông số động học. Trên cơ sở lý thuyết đã xây
dựng, trong chƣơng này sẽ mô tả và thực thi ứng dụng thực nghiệm dựa trên bộ số
liệu mẫu bàn đầu từ các công trình khác đã công bố nhằm đánh giá kết quả của
thuật toán cũng nhƣ so sánh tính hiệu quả của phƣơng pháp đề xuất so với các công
trình đã công bố.
Chƣơng 5 – Kết luận: trong chƣơng này, luận văn nêu ra các kết luật về lý
thuyết cũng nhƣ thực nghiệm nhằm khẳng định sự đúng đắn của phƣơng pháp. Bên
cạnh đó sẽ nêu lên tính hiệu quả của phƣơng pháp đề xuất so với các công trình
khác đã công bố. Mặt khác, trong chƣơng này sẽ nêu ra các hạn chế để từ đó đƣa ra
những định hƣớng phát triển tiếp trong tƣơng lai.
1.5. Tổng kết chƣơng
Trong chƣơng này, luận văn đã nêu tổng quan cũng nhƣ nhu cầu cần thiết
trong xã hội về bài toán xác định thông số động học của enzym FTS. Bên cạnh đó,
trong chƣơng này đã khảo sát các công trình đã nghiên cứu gần đây, từ đó cho thấy
vấn đề nghiên cứu của luận văn rất khả thi và có nhiều cơ sở khoa học. Trên cơ sở
này, luận văn đã phân tích các vấn đề tồn tại của các công trình đã công bố và xác
định đƣợc các đối tƣợng, mục tiêu cũng nhƣ phạm vi cần nghiên cứu. Vì vậy, trong
chƣơng này đã định hƣớng nội dung các chƣơng cần nghiên cứu để giải quyết bài
toán đã nêu nhằm giúp cho quá trình thực nghiệm trong lĩnh vực khoa học thực
phẩm tiết kiệm thời gian cũng nhƣ tránh lãng phí nhiều tài nguyên khác.


12

CHƢƠNG 2.

CƠ SỞ LÝ THUYẾT

2.1. Giới thiệu
Giải thuật Meta - Heuristic thƣờng sử dụng trong các bài toán tối ƣu nhƣ bài
toán định tuyến giao thông, bài toán về lập lịch, bài toán ngƣời du lịch,…[13]. Đã
có nhiều giải thuật Meta - Heuristic đƣợc ứng dụng rộng rãi trong nhiều lĩnh vực
nhƣ thực phẩm, y khoa, sinh học,… Bên cạnh đó, các giải thuật Meta - Heuristic rất
hiệu quả trong việc giải các bài toán tối ƣu các thông số động học, giải các hệ
phƣơng trình vi phân,… [3][4]. Có nhiều giải thuật Meta - Heuristic đã đƣợc công
bố và ứng dụng hiệu quả nhƣ giải thuật ACO (Ant Colony Optimization), EA
(Envolutionary Algorithm), SA (Simulated Annealing), TS (Tabu Search), GA
(Genetic Algorithm),… [6][10]. Trong chƣơng này, luận văn sẽ tiếp cận các khái
niệm tổng quan về giải thuật Meta - Heuristic, từ đó phân tích các giải thuật Meta –
Heuristic nhƣ giải thuật ACO, SA, TS, GA. Dựa trên các phân tích này, luận văn
chọn lựa giải thuật phù hợp cho bài toán xác định thông số động học của enzyme
FTS.
2.2. Tổng quan về giải thuật Meta - Heuristic
Giải thuật Meta - Heuristic thƣờng giải quyết dƣới dạng các bài toán tối ƣu.
Trong bài toán này thực hiện cực tiểu hóa hoặc cực đại hóa hàm mục tiêu (cost
function). Trong bài toán tối ƣu đƣợc bổ sung các ràng buộc, do đó nghiệm của bài
toán này phải thỏa mãn tất cả những ràng buộc. Theo nhƣ tài liệu [6] giải thuật Meta
- Heuristic là sự kết hợp giữa các phƣơng pháp Heuristic cơ bản để từ đó tạo ra
phƣơng pháp hiệu quả nhằm giải quyết bài toán khai phá trên không gian tìm kiếm
lớn. Thuật ngữ Meta - Heuristic đƣợc giới thiệu lần đầu tiên vào năm 1986 bởi
Glover, trong đó tiền tố “Meta” có nghĩa là tìm kiếm ở mức cao. Thuật ngữ này
cũng có thể viết dƣới dạng Modern Heuristic.
Các giải thuật thuộc về phân lớp giải thuật Meta - Heuristic bao gồm giải
thuật đàn kiến ACO (Ant Colony Optimization), tính toán tiến hóa EC (Evolution

Computation) gồm giải thuật di truyền GA (Genetic Algorithm), giải thuật tìm kiếm


13

cục bộ ILS (Iterated Local Search), giải thuật luyện kim SA (Simulated Annealing),
giải thuật tìm kiếm TS (Tabu Search).
Theo nhƣ Osman và Laporte, Meta - Heuristic là một quá trình lặp nhiều lần
để tạo ra các thế hệ bằng việc kết hợp các khái niệm tri thức để khám phá và khai
thác trên không gian tìm kiếm. Quá trình học của giải thuật Meta - Heuristic đƣợc
dùng để tìm ra các giải pháp gần tối ƣu. Bên cạnh đó có nhiều định nghĩa về giải
thuật Meta – Heuristic. Tuy nhiên, tựu trung lại các tính chất của Meta - Heuristic
nhƣ sau:
 Meta - Heuristic là các chiến lƣợc để hƣớng dẫn trong quá trình tìm kiếm.
 Mục tiêu của giải thuật Meta - Heuristic là khai phá hiệu quả không gian
tìm kiếm để tìm ra giải pháp tối ƣu hoặc gần tối ƣu.
 Các kỹ thuật cấu thành giải thuật Meta - Heuristic trải dài từ các thủ tục
tìm kiếm cục bộ cơ bản đến các quá trình học phức tạp.
 Giải thuật Meta - Heuristic là phƣơng pháp xấp xỉ để tìm kiếm mục tiêu.
 Các giải thuật Meta - Heuristic có thể kết hợp nhiều cơ chế để tránh bị cục
bộ địa phƣơng trong không gian tìm kiếm.
Tóm lại, giải thuật Meta - Heuristic là các chiến lƣợc cấp cao để khai phá
trong không gian tìm kiếm bằng cách sử dụng nhiều phƣơng pháp khác nhau. Theo
nhƣ [6], giải thuật Meta - Heuristic giải quyết bài toán tối ƣu P  (S , f ) gồm:
 Một tập các biến X  {x1 ,..., xn }
 Một tập các miền xác định {D1 ,..., Dn }
 Một tập các ràng buộc giữa các biến
 Một hàm mục tiêu f : D1  ...  Dn  R  để cực tiểu hóa hoặc cực đại hóa
Một tập khả dĩ S gồm tất cả các ràng buộc là không gian tìm kiếm mà mỗi
thành phần là một ứng viên tìm kiếm đƣợc định nghĩa nhƣ sau:

S  {s  {( x1 , v1 ),...,( xn , vn )}| vi  Di } , với s xác định các ràng buộc.
Để giải quyết bài toán tối ƣu này cần tìm ra một lời giải tối ƣu s  S để cực
tiểu hóa giá trị hàm mục tiêu, có nghĩa là f (s* )  f (s) , s  S . Khi đó s* đƣợc gọi


14

là giải pháp tối ƣu toàn cục của bài toán P  (S , f ) và tập S *  S đƣợc gọi là tập
các giải pháp tối ƣu toàn cục.
Trong luận văn thực hiện việc tìm kiếm một bộ các giá trị thông số động học
dựa trên các ràng buộc là một hệ phƣơng trình vi phân [3][4]. Hàm mục tiêu để tìm
kiếm bộ thông số này là cực tiểu hóa khoảng cách giữa các giá trị các thông số thỏa
hệ phƣơng trình vi phân và các giá trị theo thực nghiệm. Tức là theo giá trị thực
nghiệm ta có một bộ thông số động học là ( K1 ,..K n ) . Dựa vào hệ phƣơng trình vi
phân, ta sẽ tìm ra một bộ thông số động học ( K1,..K n ) sao cho tối ƣu hàm mục tiêu

f  min{|| X  X  ||, X  ( X1,..., X m ), X   ( X1,..., X m )} , với X và X  là nghiệm của
hệ phƣơng trình vi phân lần lƣợt tƣơng ứng với các bộ thông số động học ( K1 ,..K n )
và ( K1,..K n ) .
Dựa vào cấu trúc bài toán xác định thông số động học nhƣ trên, dễ dàng thấy
rằng giải thuật Meta - Heuristic là một phƣơng pháp phù hợp để giải quyết bài toán
này. Tuy nhiên có nhiều dạng giải thuật Meta - Heuristic đã đƣợc trình bày nhƣ
trên. Do đó, trong luận văn cần phải phân tích các giải thuật Meta - Heuristic nhằm
chọn lựa một giải thuật phù hợp cho bài toán xác định thông số động học. Vì vậy,
phần tiếp theo sẽ khảo sát lần lƣợt từng giải thuật thuộc phân lớp Meta – Heuristic.
2.3. Giải thuật đàn kiến – ACO
2.3.1. Giới thiệu giải thuật ACO
Giải thuật ACO là giải thuật tìm kiếm dạng Meta - Heuristic và là phƣơng
pháp tối ƣu dựa trên tính chất tự nhiên của đàn kiến khi tìm kiếm thức ăn [2]. Giải

thuật đàn kiến đƣợc sử dụng rộng rãi trong nhiều bài toán tối ƣu [2][5][13]. Ý tƣởng
cơ bản của giải thuật ACO đó là sự hợp tác thông minh có yếu tố bầy đàn để tìm
đƣờng đi tốt nhất trên đồ thị để tìm mục tiêu. Phƣơng pháp phối hợp của đàn kiến là
một cách hợp tác tự nhiên để tìm đƣờng đi ngắn nhất giữa hai điểm trên một địa
hình cho trƣớc nhằm tìm nguồn thức ăn gần nhất. Khi một thành viên của đàn kiến
tìm đƣợc một hƣớng giải quyết (tìm đƣợc đƣờng đi đến nguồn thức ăn), thì nó sẽ
quay về theo đƣờng cũ vì trong quá trình di chuyển đã tạo ra một lƣợng pheromone


15

trên đƣờng đi [2]. Bên cạnh đó, khi quá trình di chuyển ngƣợc về, con kiến lại tiếp
tục tạo thêm một lƣợng pheromone trên đƣờng đi đó. Do đó trên con đƣờng này sẽ
tạo thành một đƣờng mòn đƣợc chỉ dẫn bởi lƣợng pheromone. Trong phƣơng pháp
tìm kiếm này, mỗi một thành viên của đàn kiến xem nhƣ một toán tử liên lạc (agent)
dựa trên môi trƣờng tìm kiếm (lần theo dấu vết của pheromone) để tìm ra một
phƣơng án giải quyết cho bài toán.

Hình 2.1. Mô tả định hƣớng đƣờng đi của đàn kiến
2.3.2. Một số tính chất tự nhiên liên quan đến giải thuật ACO
Tính tự tổ chức (self - organization): tính chất này đƣợc mô tả trong nhiều
ngành khoa học khác nhau đặc biệt là vật lý và sinh học. Vào năm 2000, Camazine
và cộng sự đã định nghĩa tính tự tổ chức là quá trình tự tạo ra một mẫu (pattern)
tổng thể cho một hệ thống (emerging) dựa trên sự tƣơng tác giữa các thành phần
mức thấp của hệ thống. Ngoài ra, các quy luật xác định sự tƣơng tác giữa các thành
phần mức thấp này đƣợc thực thi qua các thông tin cục bộ (tức là không liên quan
đến mẫu toàn cục). Quá trình tƣơng tác cục bộ đƣợc xử lý dựa trên các phản hồi
(feedback) vào sự quản lý dòng thông tin liên lạc. Các hệ thống tự tổ chức này là
hữu dụng đối với mỗi một hệ thống dựa trên các mẫu tổng thể. Dựa trên tính chất
này, đàn kiến có thể tạo ra sự phân cấp trong hệ thống và có thể tìm kiếm thông tin

trực tiếp hoặc không trực tiếp.