Chương 1. Giới thiệu: Trình bày mục tiêu, nội dung, tính cần thiết và ý nghĩa thực tiễn của nghiên cứu. Tổng quan: Trình bày các nghiên cứu trước đó có liên quan đến thuật toán AI được sử dụng trong nghiên cứu này cũng như liên quan đến tối ưu hóa lập lịch ca làm việc. Cơ sở lý thuyết: Trình bày các cơ sở lý thuyết về thuật toán sử dụng để giải bài toán tối ưu và mô hình thực hiện áp dụng.
Chương 4 Mô hình mô phỏng và Trường hợp nghiên cứu: Thực hiện giải bài toán tối ưu hóa lập lịch ca làm việc bằng các thuật toán AI trên một ví dụ tính toán cụ thể (hoặc ví dụ về một dự án). So sánh, nhận xét và đánh giá kết quả thu được Chương 5. Kết luận và kiến nghị: Trình bày những kết luận và kiến nghị của tác giả khi nghiên cứu về áp dụng, đề xuất những nghiên cứu trong tương lai. 6 Luận văn thạc sĩ CHƯƠNG 2.
CÁC NGHIÊN CỨU LIÊN QUAN Trong chương này, các nghiên cứu liên quan đến thuật toán đàn mèo cát cũng như liên quan đến việc tối ưu hóa lập lịch ca làm việc sẽ được liệt kê. Thuật toán Đàn mèo cát (SCSO) Trong thời đại phát triển mạnh mẽ của các thuật toán AI, đã có nhiều thuật toán được phát triển lấy cảm hứng từ tập tính cũng các loài động vật trong tự nhiên, được gọi chung là các thuật toán sinh học. Động vật đã tiến hóa qua hàng triệu năm để phát triển những chiến lược tối ưu trong việc sinh tồn, tìm kiếm thức ăn, và sinh sản. Những chiến lược này, như sự hợp tác của bầy đàn hoặc hành vi săn mồi, thể hiện các giải pháp hiệu quả cho các bài toán phức tạp trong tự nhiên.
Thế giới động vật đa dạng cung cấp nhiều nguồn cảm hứng với các chiến lược và hành vi phong phú, từ đó tạo ra nhiều loại thuật toán tối ưu hóa khác nhau như thuật toán di truyền (Genetic Algorithm), thuật toán bầy đàn (Swarm Optimization), thuật toán tối ưu hóa bầy ong (Bee Algorithm), và thuật toán tối ưu hóa đàn mèo cát (Sand Cat Swarm Optimization). Thuật toán Đàn mèo cát là một thuật toán sinh học mới, được giới thiệu lần đầu bởi Seyyedabbasi, A. Kể từ đó, đã có nhiều nghiên cứu liên quan đến thuật toán này bao gồm cả việc ứng dụng trong các lĩnh vực khác nhau từ tối ưu hóa kỹ thuật đến lựa chọn đặc trưng trong chẩn đoán y tế, và quản lý mạng cảm biến không dây cũng như các nghiên cứu cải tiến thuật toán bằng cách kết hợp với các thuật toán tối ưu hóa khác, các nghiên cứu này được liệt kê trong Bảng 2.1 Các nghiên cứu liên quan đến thuật toán đàn mèo cát STT Tên bài báo, nghiên Tác giả Năm Mô tả cứu Sand Cat swarm Nghiên cứu này đề xuất optimization: a nature- một mô hình thuật toán Seyyedabbasi, 1 inspired algorithm to 2022 tối ưu hóa đa mục tiêu A. solve global mới được lấy ý tưởng từ optimization problems cách thức tìm kiếm và 7 Luận văn thạc sĩ săn bắt con mồi của mèo cát trong tự nhiên.
Kết quả cho thấy thuật toán này thực hiện tốt về tốc độ hội tụ và xác định hầu hết hoặc tất cả các điểm tối ưu cục bộ/toàn cục vượt trội hơn các phương pháp được so sánh khác. Bài báo đề xuất thuật toán Tối Ưu Đàn Mèo Cát Cải Tiến (MSCSO) với hai chiến lược cải tiến chính: chiến lược đi lang thang và chiến lược học tập đối lập. Kết quả Di Wu, thực nghiệm trên 23 hàm Modified Sand Cat Honghua Rao, chuẩn và các hàm chuẩn Swarm Optimization Changsheng CEC2014 cho thấy thuật 2 Algorithm for Solving Wen, Heming 2022 toán MSCSO có khả Constrained Engineering Jia, Qingxin Liu năng thăm dò mạnh hơn Optimization Problems and Laith và khả năng tối ưu hóa Abualigah tốt hơn so với SCSO gốc. Thuật toán cũng được kiểm tra trên bảy vấn đề kỹ thuật khác nhau, chứng minh tính thực tiễn cao trong ứng dụng kỹ thuật.
8 Luận văn thạc sĩ Bài báo giới thiệu và cải tiến thuật toán Tối Ưu Đàn Mèo Cát (Sand Cat Swarm Optimization - SCSO) bằng cách đề xuất thuật toán Tối Ưu Đàn Mèo Cát Dựa Trên Biến Đổi Ngẫu Nhiên Với Sự Hợp Tác Của Elite (SE-SCSO). Kết Sand Cat Swarm quả thực nghiệm trên 21 Optimization Based on Yiming Li, hàm chuẩn và so sánh 3 2022 Stochastic Variation Gencheng Wang với bảy thuật toán meta- With Elite Collaboration heuristic khác cho thấy SE-SCSO có độ ổn định cao, độ chính xác hội tụ và tốc độ hội tụ vượt trội. SE-SCSO cũng được áp dụng vào ba bài toán tối ưu hóa kỹ thuật, chứng minh hiệu quả cao trong việc xử lý các vấn đề tối ưu hóa phức tạp. Nghiên cứu này đề xuất Sand cat arithmetic kết hợp thuật toán tối ưu optimization algorithm Shuilin Chen, hóa số học (AOA) với 4 for global optimization 2023 Jianguo Zheng thuật toán mèo cát để engineering design cho ra đời thuật toán problems SC-AOA.
9 Luận văn thạc sĩ Kết quả cho thấy SC- AOA đã giải quyết được hạn chế của thuật toán mèo cát là độ chính xác hội tụ thấp và có xu hướng mắc kẹt trong tối ưu cục bộ. Nghiên cứu này đề xuất một phương pháp mới cho thuật toán SCSO dựa trên nguyên tắc đa ngành, lấy cảm hứng từ hệ thống chính trị (Nghị viện), gọi là PSCSO. Thuật toán đề xuất tăng cơ hội tìm ra giải pháp PSCSO: Enhanced sand toàn cục bằng cách chọn Farzad Kiani, cat swarm optimization ngẫu nhiên vị trí giữa vị Fateme Aysin 5 inspired by the political 2023 trí của giải pháp tốt nhất Anka, Fahri system to solve complex hiện có của ứng cử viên Erenel problems và vị trí hiện tại trong giai đoạn khai thác. Một hệ số mới được định nghĩa để ảnh hưởng đến các giai đoạn thăm dò và khai thác.
Ngoài ra, một mô hình toán học mới được giới thiệu để sử dụng trong giai đoạn khai thác. 10 Luận văn thạc sĩ Bài báo đề xuất một thuật toán metaheuristic mới có tên là Chaotic Sand Cat Swarm Optimization (CSCSO), được thiết kế để xử lý các vấn đề tối ưu hóa phức tạp và bị ràng Farzad Kiani, buộc. Thuật toán này kết Sajjad hợp các đặc điểm của Chaotic Sand Cat Nematzadeh, Sand Cat Swarm 6 2023 Swarm Optimization Fateme Aysin Optimization (SCSO) Anka, Mine với khái niệm chaos Afacan Findikli (hỗn loạn) nhằm cải thiện hiệu suất tìm kiếm toàn cầu và hành vi hội tụ. CSCSO thay thế tính ngẫu nhiên trong SCSO bằng các bản đồ chaos, nhờ đó cải thiện các đặc tính thống kê và động lực của thuật toán.
Bài báo đề xuất một phiên bản nhị phân của Binary Sand Cat Swarm thuật toán tối ưu hóa đàn Optimization Algorithm mèo cát (SCSO) gọi là Amir 7 for Wrapper Feature 2023 bSCSO, được thiết kế để Seyyedabbasi Selection on Biological xử lý vấn đề lựa chọn Data đặc trưng trong dữ liệu sinh học. Thuật toán bSCSO sử dụng hàm 11 Luận văn thạc sĩ chuyển đổi hình chữ V và các toán tử nhị phân để chuyển đổi SCSO thành một dạng nhị phân, cho phép giải quyết các vấn đề tối ưu hóa rời rạc. Bằng cách cân bằng giữa thăm dò và khai thác, bSCSO cải thiện hiệu quả tìm kiếm toàn cầu và cục bộ. Bài báo giới thiệu thuật toán Memory-Based Sand Cat Swarm Amjad Qtaish, Optimization Dheeb (BMSCSO) được thiết Albashish, kế để cải thiện hiệu suất Memory-Based Sand Malik Braik, lựa chọn đặc trưng trong Cat Swarm Optimization 8 Mohammad T.
Thuật for Feature Selection in Alshammari, toán này tích hợp chiến Medical Diagnosis Abdulrahman lược dựa trên bộ nhớ Alreshidi, Eissa vào quá trình cập nhật vị Jaber Alreshidi trí của Sand Cat Swarm Optimization (SCSO) để khai thác và bảo toàn các giải pháp tốt nhất. A Fault Warning Youchun Pi, Phiên bản nhị phân của Approach Using an Yun Tan, Amir- SCSO, được gọi là 9 Enhanced Sand Cat Mohammad 2023 BSCSO, được xây dựng Swarm Optimization Golmohammadi, bằng cách sử dụng hàm Algorithm and a Yujing Guo, chuyển đổi hình chữ S 12 Luận văn thạc sĩ Generalized Neural Yanfeng Xiao, để quản lý hiệu quả tính Network Yan Chen chất nhị phân trong miền FS. Tuy nhiên, BSCSO gặp phải chiến lược tìm kiếm kém vì không có bộ nhớ trong để duy trì vị trí tốt nhất, dẫn đến hội tụ nhanh đến cực tiểu cục bộ. Do đó, phương pháp FS thứ hai được đề xuất là xây dựng BSCSO cải tiến gọi là SCSO dựa trên bộ nhớ nhị phân (BMSCSO).
Phương pháp này tích hợp chiến lược dựa trên bộ nhớ vào quá trình cập nhật vị trí của SCSO để khai thác và bảo tồn các giải pháp tốt nhất. Bài báo giới thiệu thuật toán tối ưu hóa đàn mèo cát cải tiến đa chiến lược Multi-Strategy Improved Liguo Yao, Jun (MSCSO) nhằm cải Sand Cat Swarm Yang, Panliang thiện hiệu suất tối ưu 10 Optimization: Global Yuan, Guanghui 2023 hóa và lựa chọn đặc Optimization and Li, Yao Lu, trưng. Những cải tiến Feature Selection Taihua Zhang này giúp MSCSO nhanh chóng thoát khỏi các điểm tối ưu cục bộ, tăng 13 Luận văn thạc sĩ tốc độ hội tụ và nâng cao độ chính xác tối ưu hóa, làm cho thuật toán này trở nên hiệu quả hơn trong việc giải quyết các vấn đề tối ưu hóa phức tạp và lựa chọn đặc trưng trong nhiều lĩnh vực. Bài báo giới thiệu và cải tiến thuật toán tối ưu hóa đàn mèo cát (Sand Cat Swarm Optimization - SCSO) bằng cách tích hợp chiến lược phân quyền ưu tú và chiến lược thanh ngang.
Giúp Sand cat swarm cải thiện khả năng khai optimization algorithm Yancang Li, thác cục bộ trong giai and its application 11 Qian Yu & 2024 đoạn đầu và nâng cao integrating elite Zunfeng Du năng lực tìm kiếm tổng decentralization and thể trong giai đoạn sau, crossbar strategy tránh rơi vào cực tiểu địa phương. Giảm thiểu hiện tượng tụ tập xung quanh các cá thể tối ưu, giúp thuật toán vượt qua các điểm tối ưu cục bộ và cải thiện đa dạng quần thể. 14 Luận văn thạc sĩ Trong nghiên cứu này, một phiên bản cải tiến của thuật toán tối ưu hóa đàn mèo cát, gọi là thuật toán tìm kiếm ISCSO, được thiết kế để giải quyết hiệu quả vấn đề tìm kiếm mục tiêu di động. Thuật toán ISCSO cải thiện hiệu quả lập kế Yanbiao Niu, hoạch bằng cách mã hóa An improved sand cat Xuefeng Yan, thông tin đường đi tìm swarm optimization for 12 Yongzhen 2024 kiếm của UAV thành moving target search by Wang, Yanzhao một tập hợp các đường UAV Niu đi chuyển động.