Recherche locale et contrle de dgradation*

H. Mabed, I. Devarenne, A. Caminada

Laboratoire SET, Universit de Technologie Belfort-Montbliard, 90010 Belfort {hakim.mabed, isabelle.devarenne, alexandre.caminada}@utbm.fr

Mots-clefs : contrle de la dgradation, recherche locale, affectation de frquences

Prsentation de ltude

Ce travail prsente plusieurs mcanismes de contrle de dgradation de la qualit des solutions dans un contexte doptimisation combinatoire avec des pnalits trs fortes sur la violation de contraintes. Le problme doptimisation que nous avons trait est de la famille de la T-coloration avec ensembles [1]. Il sagit daffecter des frquences des rseaux tactiques de communications numriques. Le problme daffectation de frquences consiste associer des sous-bandes de frquences un ensemble de rseaux de manire maximiser la rutilisation du spectre en satisfaisant des contraintes de qualit radio [2]. La fonction de cot de loptimisation est une fonction agrgeant un objectif principal facilement calculable, et plusieurs pnalits sur les contraintes insatisfaites. Lvaluation des contraintes est ralise grce au rsultat dun simulateur et ne permet pas de dfinir une expression analytique de rparation dune solution, moins de revenir la solution antrieure. Une difficult particulire de ce problme est lie cette fonction de cot et lvaluation des contraintes. Les contraintes radio sont des inquations qui comparent des valeurs calcules des seuils ; si une solution ne respecte pas linquation, le poids de la pnalit est trs grand par rapport aux autres composantes, et donc dgrade trs fortement la fonction de cot, sans technique simple de rparation. Nous avons propos pour la rsolution de ce problme un algorithme de recherche locale bas sur lhybridation dun mcanisme de dtection de boucles et de liste tabou [3]. Lun des aspects fondamentaux tudi dans le cadre de ce travail a t le mcanisme de contrle de la dgradation. En effet, celles-ci sont ncessaires pour sortir des optima locaux, mais les pnalits sur les contraintes de qualit radio font quun unique mouvement de la solution peut causer une dgradation norme de sa qualit sans garantie de retour vers une solution faisable. Dans cette optique, plusieurs techniques de contrle de dgradation ont t proposes et compares. Ces techniques sont mentionnes ci-dessous, elles font lobjet de la prsentation.

Contrle du nombre de dgradations

Dans la premire stratgie, on accepte un certain nombre de solutions dgrades en pourcentage du nombre de solutions examines. L'tude ralise sur ce type de mcanismes a montr sa limitation face des fonctions de cot trs perturbes. En effet, quelle que soit l'amplitude de la dgradation, la probabilit d'accepter une dgradation reste identique, conduisant parfois des solutions trs mauvaises par rapport la solution initiale. Dans notre cas, le retour des solutions faisables peut ncessiter lexamen dun nombre considrable de voisines, au-del du temps de calcul imparti pour la recherche. D'o la ncessit d'un mcanisme de contrle de la dgradation qui tient en compte l'amplitude de celle-ci.

Contrle du nombre et de l'amplitude des dgradations

Plusieurs possibilits de contrle de l'amplitude de la dgradation ont t testes, commencer par une valeur maximale de dgradation tolre. Une probabilit constante d'acceptation est associe tout mouvement causant une dgradation infrieure au seuil, et un mouvement dont la dgradation occasionne dpasse le seuil est immdiatement rejet. D'autres mthodes bases, sur la variation du seuil de dgradation au cours de la recherche ont t testes. Trois fonctions de variation ont t retenues : une fonction linaire, une fonction racine et une fonction cubique.

C (t %) C0 (1 t %) C (t %) C0 3 1 t % C (t %) C0 1 t %
3

(1)

O t% reprsente le pourcentage de temps coul de la recherche par rapport au temps maximal donn par lutilisateur, C0 est une valeur initiale, et C(t%) le seuil de dgradation. Que ce soit un seuil de dgradation constant ou variable, la probabilit d'acceptation d'une dgradation reste indpendante de l'amplitude de celle-ci. Autrement dit, pour tout niveau de dgradation infrieur la valeur seuil, une dgradation leve de la qualit de la solution courante a autant de chance d'tre accepte qu'une dgradation trs faible. Nous avons donc propos des mcanismes de contrle de la dgradation o la probabilit d'acceptation est directement calcule partir de l'amplitude de la dgradation. Ici aussi, diffrentes fonctions ont t proposes telles une fonction linaire et une fonction exponentielle faon recuit simul .

p( A) max(0, a A b) avec a et b >0 p( A) a e( A / b ) avec a et b >0

O p(A) exprime la probabilit d'accepter une dgradation d'amplitude A.
(2)

Exploration partielle du voisinage

Dans les mthodes cites prcdemment, l'acceptation ou le rejet d'un mouvement ne sont aucunement dpendants des mouvements prcdemment tests. D'un autre ct, une solution rejete n'est pas mmorise pour tre r-examine la lumire des itrations futures. Dans les techniques bases sur une exploration partielle du voisinage, un sous-ensemble des solutions voisines de la solution courante peut tre examin avant d'en accepter une. L'exploration complte du voisinage tant impossible de par la taille des instances proposes, diffrentes explorations partielles du voisinage ont t conues : La premire mthode consiste choisir le meilleur voisin parmi n voisins visits. L'analyse de ce type d'approche montre que le comportement de l'algorithme se rapproche de celui d'une descente. La deuxime approche choisit alatoirement un voisin parmi ceux visits en cartant une partie des pires solutions.

Les deux mthodes sont trs sensibles au paramtre du nombre de voisins visiter. Un examen insuffisant du voisinage immdiat entrane trop peu de choix alors qu'un voisinage trop grand entrane une recherche systmatique de descente autour du point courant alors qu'une alternance de descente et de dgradation est ncessaire.

Rfrences
[1] R. Dorne, J.K. Hao, Tabu search for graph coloring, T-colorings and Set T-colorings, Metaheuristics: Theory and Applications, I.H. Osman et al. (Eds.), Kluwer Academic Publishers, 1998, pp. 33-47. [2] T. Defaix, Slow Frequency Hopping Frequency Planning, ROADEF 2006, Lille. [3] I. Devarenne, A. Caminada, H. Mabed (2005), Analysis of Adaptive Local Search for the Graph Coloring Problem, 6th Metaheuristics International Conference MIC 2005, Vienne, pp 272-277.

Travail ralis en partenariat avec la socit SILICOM Rgion Ouest