Algorithme Évolutionnaire à États pour l'Optimisation Difficile

Résumé : Les Algorithmes Évolutionnaires (AEs) sont des méthodes de recherche inspirées par la théorie darwinienne de l'évolution, travaillant sur une population de solutions potentielles, par itération de phases de sélections et de variations aléatoires. La sélection d'une représentation, la définition des paramètres ou l'attribution de leurs propres valeurs ont une influence cruciale sur les performances de l'algorithme. Un choix qui ne s'accorde pas à la fonction de fitness peut rendre le problème plus difficile à résoudre. Trouver une configuration appropriée pour un AE est donc depuis longtemps un grand défi. Bien que les AEs soient reconnus comme des méthodes compétitives sur des problèmes de grande taille, ils sont sujets à un certain nombre de critiques tel celui du réglage/contrôle des paramètres. Par réglage, nous entendons l'approche qui consiste à trouver des valeurs satisfaisantes pour les paramètres avant l'exécution de l'algorithme. Dans cette thèse, nous fournissons des arguments qu'un jeu de paramètres constants durant l'exécution semble être inadéquat. Notre contribution au vaste domaine de l'optimisation concerne le réglage automatique des paramètres selon le problème traité. Dans la première partie, nous exposons la problématique du réglage/contrôle des paramètres ainsi que les principales heuristiques existantes. Dans la deuxième, nous proposons deux méthodes pour le contrôle dynamique des paramètres associés à la représentation des solutions. Dans la troisième, nous proposons l'algorithme évolutionnaire à états (SEA), une variante parallèle des AEs ; cette nouvelle approche gère simultanément plusieurs AEs afin de contrôler dynamiquement les paramètres au cours du processus d'optimisation. Dans la dernière partie, nous présentons une instanciation du SEA qui intègre différents taux de mutation afin d'adapter le meilleur taux à la recherche. Cette nouvelle instance est testée sur le problème du sac à dos multidimensionnel. Des résultats comparables ont été obtenus, ce qui prouve que le SEA est capable de contrôler dynamiquement le compromis exploration/exploitation.
Type de document :
Thèse
Algorithme et structure de données [cs.DS]. Université Nice Sophia Antipolis, 2010. Français


https://tel.archives-ouvertes.fr/tel-00818459
Contributeur : Maroun Bercachi <>
Soumis le : lundi 29 avril 2013 - 19:26:47
Dernière modification le : mardi 30 avril 2013 - 10:21:20
Document(s) archivé(s) le : mardi 30 juillet 2013 - 03:35:10

Identifiants

  • HAL Id : tel-00818459, version 1

Collections

Citation

Maroun Bercachi. Algorithme Évolutionnaire à États pour l'Optimisation Difficile. Algorithme et structure de données [cs.DS]. Université Nice Sophia Antipolis, 2010. Français. <tel-00818459>

Partager

Métriques

Consultations de
la notice

232

Téléchargements du document

3126