Download or read book Optimisation et m taheuristique base des multi colonies de fourmis written by Elie Fute T. and published by . This book was released on 2017-05-13 with total page 156 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Optimisation combinatoire par m taheuristiques written by Khaled Ghédira and published by Editions TECHNIP. This book was released on 2007 with total page 130 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Extension de l algorithme d optimisation par la colonie de fourmis pour la r solution d un probl me d ordonnancement industriel written by Marc Gravel and published by Québec : Faculté des sciences de l'administration de l'Université Laval, Direction de la recherche. This book was released on 2001 with total page 16 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book M taheuristiques written by Patrick Siarry and published by Editions Eyrolles. This book was released on 2014 with total page 534 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les métaheuristiques et leurs applications. Les ingénieurs, les économistes, les décideurs se heurtent quotidiennement, quel que soit leur secteur d'activité, à des problèmes d'optimisation. Il peut s'agir de minimiser un coût de production, d'optimiser le parcours d'un véhicule ou le rendement d'un portefeuille boursier, de rationaliser l'utilisation de ressources, d'améliorer les performances d'un circuit électronique, de fournir une aide à la décision à des managers, etc. Cet ouvrage présente une famille de techniques d'optimisation, appelées "métaheuristiques", adaptées à la résolution de problèmes pour lesquels il est difficile de trouver un optimum global ou de bons optimums locaux par des méthodes plus classiques. Un ouvrage de référence illustré d'études de cas La première partie de l'ouvrage présente les principales métaheuristiques : recuit simulé, recherche avec tabous, recherche à voisinages variables, méthode GRASP, algorithmes évolutionnaires, fourmis artificielles et essaims particulaires. La deuxième partie décrit différentes variantes et extensions de ces méthodes, ainsi que de nouvelles voies de recherche. Y sont également proposés des conseils méthodologiques : techniques de modélisation, comparaisons de méthodes et choix de la méthode la mieux adaptée à un problème donné. La troisième partie présente trois études de cas réels : optimisation de systèmes logisitiques, optimisation de tournées de véhicules et gestion de trafic aérien. [Source : d'après la 4e de couv.]
Download or read book Adaptation de la m thode des colonies de fourmis pour l optimisation en variables continue written by Johann Dréo and published by . This book was released on 2004 with total page 316 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les métaheuristiques de colonies de fourmis s'inspirent des comportements collectifs observés chez les fourmis pour résoudre des problèmes d'optimisation difficiles. La première approche pour concevoir des métaheuristiques d'optimisation continue en suivant cette métaphore consiste à créer un système multi-agent. Nous proposons ainsi un algorithme de "colonies de fourmis interagissantes" (CIAC). La deuxième approche décrit ces métaheuristiques comme des méthodes manipulant un échantillonage d'une distribution de probabilité. Nous proposons ainsi un algorithme "à estimation de distribution" (CHEDA). En accord avec le concept de programmation à mémoire adaptative, nos algorithmes font l'objet d'une hybridation avec une recherche locale de Nelder-Mead (HCIAC). Nous avons ensuite adapté cette méthode à des problèmes continus dynamiques (DHCIAC), pour lesquels nous proposons également un nouveau jeu de test cohérent. Nos algorithmes sont enfin appliqués dans le cadre de l'automatisation du suivi des lésions de l'oeil.
Download or read book Initiation l optimisation m taheuristiques Probl mes variables continues written by Dominique Barchiesi and published by Editions Ellipses. This book was released on 2020-03-17 with total page 265 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les métaheuristiques sont parmi les méthodes d’optimisation les plus faciles à mettre en œuvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s’inspirant de phénomènes issus de la nature et des sciences. Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés : GA (génétique),DE (évolution différentielle),BBO (biogéographie),RS (recuit simulé),GSO (Gravitationnel),CRO (réaction chimique),PSO (essaim de particules),LUC (lucioles),ABC (colonies d’abeilles artificielles),GWO (loup gris),ACO (colonies de fourmis),BSO (brainstorming). Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels. Des applications à la thermique, l’électronique, l’agriculture, la mécanique permettent d’étendre leur domaine d’application à la résolution de problème inverse, à l’ajustement de modèle à des résultats expérimentaux et à la propagation d’incertitudes.
Download or read book Application de la m ta heuristique d optimisation par colonie de fourmis et de la technique k opt l affectation de cellules aux commutateurs written by Joseph R. Luc Fournier and published by . This book was released on 2002 with total page 252 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Optimisation Continue Dynamique written by Walid TFAILI and published by Omniscriptum. This book was released on 2018-02-28 with total page 136 pages. Available in PDF, EPUB and Kindle. Book excerpt: Les métaheuristiques constituent une famille d'algorithmes inspirés de la nature. Ces algorithmes sont particulièrement utiles pour résoudre des problèmes où les algorithmes d'optimisation classiques sont incapables de produire des résultats satisfaisants. Parmi ces méthodes, les algorithmes de colonies de fourmis constituent une classe de métaheuristiques proposée pour l'optimisation difficile. Ces algorithmes s'inspirent des comportements des fourmis observés dans la nature; notamment l'utilisation de la communication indirecte (à travers l'environnement), les traces de phéromone que les fourmis laissent sur leur passage, et la construction itérative d'une solution globale qui se base sur une sorte d'intelligence collective. Les algorithmes de colonies de fourmis représentent une grande flexibilité aux changements de l'environnement, ce qui les rend aptes à l'optimisation des fonctions changeantes et plus particulièrement à l'optimisation continue dynamique.
Download or read book Optimisation par colonies de fourmis written by Christine Solnon and published by Hermes Science Publications. This book was released on 2008 with total page 192 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'optimisation par colonies de fourmis s'inspire du comportement collectif des fourmis dans la nature pour résoudre des problèmes d'optimisation combinatoires. Initialement proposée pour résoudre le problème du voyageur de commerce, elle a été appliquée avec succès à un grand nombre de problèmes NP-difficiles. La programmation par contraintes permet de décrire des problèmes combinatoires de façon déclarative, la résolution de ces problèmes étant prise en charge par des algorithmes intégrés au langage. Cette vision de la programmation par contraintes montre les bénéfices de l'optimisation par colonies de fourmis de manière large et novatrice ainsi que ses connections avec les principales approches existantes pour la résolution de problèmes combinatoires. Didactique, Optimisation par colonies de fourmis dresse tout d'abord un panorama des diverses méthodes pour la résolution de problèmes combinatoires et présente ensuite l'optimisation par colonies de fourmis. Des chapitres applicatifs permettent une compréhension en profondeur de ce sujet novateur. [Source : 4ème de couv.]
Download or read book Parall lisation d un algorithme d optimisation par colonies de fourmis pour la r solution d un probl me d ordonnancement industriel written by Pierre Delisle and published by . This book was released on 2002 with total page 280 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book La m moire dans les algorithmes colonie de fourmis written by Olivier Roux (informaticien).) and published by . This book was released on 2001 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans ce mémoire, nous présentons les méta-heuristiques inspirées du comportement des fourmis lors de la recherche de nourriture, les OCF. Nous confrontons ces méthodes face aux principales méta-heuristiques connues. Pour cela, nous proposons de nous placer sous le point de vue de l'utilisation de la mémoire et nous présentons taxinomie qui étends celle des AMP. Nous proposons deux nouvelles adaptations du modèle des fourmis. La première est l'algorithme ANTabu, il s'agit d'une méthode hybride pour la résolution du PAQ. Il associe l'utilisation des fourmis artificielles et d'une méthode de recherche locale robuste : la recherche tabou. Le parallélisme intrinsèque des systèmes de fourmis nous a amené à développer un modèle parallèle pour ANTabu. Cette méthode intègre également une puissante fonction de diversification et l'utilisation de bornes qui lui permettent d'éviter d'être piégé au niveau d'optima locaux. La seconde application développée est AP, cet algorithme est l'adaptation du modèle de coopération des fourmis à la programmation automatique. Son mécanisme de fonctionnement est simple, puisque à chaque itération on crée une nouvelle population en utilisant l'information emmagasinée par la phéromone. L'intérêt de cette gestion de l'information est qu'elle n'utilise pas de mécanismes complexes. Nous présentons cette méthode face à l'algorithme de base tel que Koza l'a défini.
Download or read book L optimisation par essaims particulaires written by Maurice Clerc and published by . This book was released on 2005 with total page 265 pages. Available in PDF, EPUB and Kindle. Book excerpt: L'Optimisation par Essaims Particulaires (OEP) ou Particle Swarm Optimization (PSO) est une heuristique non spécifique, au même titre que, par exemple, les algorithmes évolutionnaires, la recherche avec tabous ou les colonies de fourmis. Son domaine de prédilection depuis sa naissance en 1995 est l'optimisation numérique hétérogène continue-discrète fortement non linéaire. À ce titre elle est utilisée un peu partout dans le monde. Sa rapidité de convergence en fait aussi un outil privilégié en optimisation dynamique. Premier ouvrage en français entièrement consacré à l'OEP, L'optimisation par essaims particulaires explique les principes de base, en particulier les concepts de particule, de lien d'information, de mémoire et de coopération. Partant d'une version paramétrique très simple mais déjà efficace, codable en quelques lignes, il montre comment l'enrichir progressivement pour aboutir à une version entièrement adaptative. Tous les programmes sources sont soit inclus dans l'ouvrage (pour les plus courts) soit librement disponibles en téléchargement.
Download or read book Algorithmes de fourmis Pareto pour r soudre un probl me d ordonnancement repr sentatif de contextes r els written by Annie LeBel and published by . This book was released on 2015 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt: L'ordonnancement multi-objectifs est un domaine de recherche fertile. Les entreprises de tous les secteurs d'activités sont appelées à résoudre des problèmes complexes, de grandes dimensions, souvent de nature combinatoire et généralement à plusieurs objectifs contradictoires ou non commensurables. Ces entreprises doivent alors être en mesure de traiter avec des problèmes multi-objectifs (PMO). Dans le domaine de l'ordonnancement, la machine unique est un problème classique. Toutefois, les hypothèses simplificatrices émises en théorie créent un écart entre la pratique et la théorie. Un des écarts régulièrement présent est la considération du temps de réglage entre les tâches indépendant de la séquence. Dit autrement, le temps de réglage est considéré comme négligeable en théorie. Cependant, cette simplification n'est pas représentative de la plupart des contextes réels. Différentes études présentent l'impact des temps de réglage sur les systèmes de production industrielle. La conséquence de minimiser les temps de réglage est l'amélioration des délais de livraison (Conner 2009; Panwalkar et al. 1973). Pour réduire les écarts entre la pratique et la théorie, plusieurs PMO traitant de la machine unique ont proposé d'ajouter des caractéristiques pour réduire cet écart, dont la machine unique multi-objectifs avec fenêtre d'échéance d'Arroyo et al (Arroyo et al. 2011) (MURMO). La résolution d'un PMO consiste à produire un ensemble de solutions de compromis entre les objectifs avec ou sans l'aide d'un décideur. Talbi (2009) propose une classification des méthodes de résolution qui comprend, par exemple, les approches Pareto. Ces dernières utilisent la dominance au sens Pareto (Edgeworth 1881; Pareto 1896) pour évaluer la qualité des solutions. Seules les solutions non-dominées sont conservées dans l'ensemble de solutions de compromis, aussi appelé ensemble de solutions Pareto-Optimal (PO). Parmi les méthodes de résolutions, les algorithmes évolutionnaires (AE) connaissent de bons résultats en uni-objectif. Schaffer (1985) et Goldberg (1989) proposent les premières méthodes de résolution multi-objectifs utilisant les AE. Plusieurs AE ont été adaptés pour résoudre un PMO, dont les plus grandes réussites: NSGA-II (Deb et al. 2000), PMSMO (Zinflou et al. 2008) et GISMOO (Zinflou et al. 2012). NSGA-II pose les fondements des AE Pareto en introduisant le concept d'assignation de performance. Cette assignation évalue la qualité d'une solution par rapport aux autres selon des facteurs de dominance et d'isolement. Le facteur de dominance évalue à quel point la solution domine les autres solutions d'un ensemble. Le facteur d'isolement évalue la densité des solutions qui entourent la solution estimée. Ce mémoire présente l'adaptation de trois AE Pareto de la littérature au problème MURMO. Cette adaptation permet de créer une banque de résultats de comparaison. Les AE Pareto sont, par la suite, comparés avec le seul algorithme connu qui résout le problème MURMO, le MOVNS3 (Arroyo et al. 2011). La littérature dénombre d'autres types de méthodes de résolution basées sur la construction d'une population de solutions plutôt que sur l'évolution de la population au travers de générations, tel que vu en AE. Il y a entre autres les algorithmes appartenant à la famille de l'optimisation par colonie de fourmi (OCF) qui connaissent aussi de bons résultats en uni-objectif et leur utilisation pour résoudre les PMO ne fait qu'augmenter. La revue de la littérature des algorithmes d'OCF Pareto démontre que peu d'algorithmes sont basés sur l' « ant colony system » (ACS) et que le nombre de colonies a un impact sur la conception de la méthode de résolution. Ce mémoire propose la comparaison entre une méthode multi-colonies et une méthode uni-colonie. Également, cette proposition démontre l'intérêt d'emprunter des concepts appartenant traditionnellement aux algorithmes évolutionnaires pour les adapter à d'autres algorithmes. La méthode multi-colonie est une adaptation pour le problème MURMO de l'algorithme proposé par Iredi et al (2001). Cet algorithme n'utilise pas d'assignation de performance des AE Pareto. L'algorithme d'OCF est basé sur un AS. Pour sa part, la méthode uni-colonie est représentée par la transposition de l'algorithme « genetic immune system for multiple objective optimization » (GISMOO) (Zinflou et al. 2012) vers un algorithme ACS. Cette transposition permet d'inclure l'assignation de performance dans l'algorithme d'OCF. Une comparaison équitable est proposée entre les méthodes multi-colonies et uni-colonie. Pour terminer, le mémoire présente une bonification de la transposition. Cette bonification a pour ambition d'améliorer les résultats de la méthode uni-colonie.
Download or read book Fourmis artificielles written by Nicolas Monmarché and published by . This book was released on 2009 with total page pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Initiation l optimisation m taheuristiques written by Sameh Kessentini and published by . This book was released on 2020-03-17 with total page 264 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Algorithme de fourmis avec apprentissage et comportement sp cialis s pour l ordonnancement de voitures written by Sara Morin and published by . This book was released on 2005 with total page 324 pages. Available in PDF, EPUB and Kindle. Book excerpt:
Download or read book Algorithmes de fourmis artificielles written by Nicolas Monmarché and published by . This book was released on 2004 with total page 0 pages. Available in PDF, EPUB and Kindle. Book excerpt: Dans ce travail de thèse, nous présentons les travaux s'inspirant des fourmis réelles pour la résolution de problèmes en informatique. Nous proposons deux approches supplémentaires de ces nouvelles inspirations biomimétiques. La première reprend certains travaux en classification non supervisée et étend ces principes dans plusieurs directions. L'algorithme anticlass développé à cette occasion est hybride dans le sens ou la recherche du nombre de classes est effectué par des fourmis artificielles et qu'un algorithme classique en classification, les centre mobiles est utilisé pour gommer les erreurs de classification inhérentes à une méthode stochastique telle que les fourmis artificielles. Après avoir souligné les ressemblances et differences entre les approches évolutionnaires et celles à base de population de fourmis et propose un modèle commun, nous nous inspirons de la stratégie de recherche de nourriture d'une espèce de fourmis (Pachycondyla Apicalis) pour résoudre des problèmes d'optimisation globale. L'apport de cette adaptation réside principalement dans sa simplicité. Nous appliquons l'algorithme qui en découle, appellé API, a des problèmes variés tels que l'optimisation de fonctions numériques, l'apprentissage de chaines de Markov cachées ou des poids d'un réseau de neurones artificiels, ou encore à un problème d'optimisation combinatoire classique : le problème du voyageur de commerce.
