login
english version rss feed
Detailed view PhD thesis
Université Nice Sophia Antipolis (2002-12-18), Bertrand Neveu (Dir.)
Attached file list to this document: 
PDF
Madeline.pdf(1 MB)
Algorithmes évolutionnaires et résolution de problèmes de satisfaction de contraintes en domaines finis
Blaise Madeline1, 2

Cette thèse traite de l'utilisation des algorithmes évolutionnaires (AE) pour résoudre des problèmes de satisfaction de contrainte (CSP) en domaines finis sans spécialisation ni hybridation particulière. Après avoir présenté les CSP et les méthodes couramment utilisées pour les résoudre (chapitres 1 et 2), nous présentons le paradigme évolutionnaire et ses applications (chapitres 3 et 4). Ensuite, nous proposons une comparaison entre les méthodes de recherche arborescente et les métaheuristiques sur des coloriages de graphe sur-contraints, dans un contexte de réglage des paramètres minimal (chapitre 5). Nous étudions le paysage de recherche pour comprendre les raisons des différences d'efficacité des méthodes. Enfin, nous proposons de nouveaux opérateurs génétiques (croisement, mutation, diversification) dont le paramétrage est moins fastidieux qu'avec les opérateurs classiques (chapitre 6). Nous concluons sur l'intérêt d'exploration des réseaux de neutralité.
1:  INRIA Sophia Antipolis - COPRIN
2:  I3S - Laboratoire d'Informatique, Signaux, et Systèmes de Sophia Antipolis
Algorithmes génétiques – Algorithmes évolutionnaires – Problèmes de satisfaction de contraintes – Coloriage de graphes

Evolutionary Algorithms and Solving Constraint Satisfaction Problems in Finite Domains
This thesis deals with the use of evolutionary algorithms (EA) to solve constraint satisfaction problems (CSP) in finite domains, without any particular specialization nor hybridization. Having presented the CSP and general methods used to solve them (chapters 1 and 2), we present the evolutionary paradigm and its applications (chapters 3 and 4). Then, we propose a comparison between the tree search methods and metaheuristics on over-constrained graph coloring, in a context of minimal regulation of the parameters (chapter 5). We study the research landscape for understanding the reasons of the differences in efficiency of methods. Finally, we propose new genetic operators (crossover, mutation, diversification), the parameter setting of which is less difficult than with the classical operators (chapter 6). We conclude on the interest of investigating the neutrality networks.
Genetic algorithms – Evolutionary algorithms – Constraint satisfaction problems – Graph coloring

all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...
all articles on CCSd database...