Académique Documents
Professionnel Documents
Culture Documents
Introduction :
L’objectif de ce rapport est d’illustrer la richesse des algorithmes d’optimisation pour
résoudre des problèmes difficiles issus de la recherche opérationnelle de l’ingénierie ou de
l’intelligence artificielle pour lesquels on ne connaît pas de méthode classique plus efficace.
Il existe un grand nombre de méthodes différentes, allant de la simple recherche locale à
des algorithmes complexes de recherche globale et chacune peut s’adaptée a un problème.
Tendance dans les années 70 : techniques d’amélioration des solutions par recherche
local.
1983 : une nouvelle heuristique apparaît, le Recuit Simulé.
L’origine de la RT remonte à 1977, mais elle n’est proposée qu’au milieu des années 80
par Fred Glover précisément en 1986.
Par la suite : algorithmes génétiques, colonies de fourmis, …
3. L’algorithme de la RT en générale :
Caractéristiques de l’algorithme :
Le nombre d’itérations ;
Le temps de calcul.
6. Diverses améliorations de la RT
La liste taboue peut s’avérer trop contraignante lors de la recherche d’une solution.
Le mécanisme d’aspiration permet de lever ponctuellement le statut “tabou” afin d’atteindre
des solutions inédites.
- L’intensification : est l’une des stratégies qui permet de mémorisé les meilleures
solutions rencontrées (ou leur configuration) et les utilise afin d’améliorer la
recherche.
- La diversification : cherche à utiliser des mouvements encore jamais réalisés afin
d’explorer des régions nouvelles de l’espace de recherche en mémorisant bien sur les
solutions les plus visitées.
7. Avantages et inconvénients de la RT :
Avantage :
·Grande efficacité: tabou bat tout !
·Fonctionnement simple à comprendre.
Inconvénients :
·Paramètres peu intuitifs.
·Demande en ressources importantes si la liste des tabous est trop imposante.
·Aucune démonstration de la convergence.
Tout d’abord, il commence par descendre tant qu’il peut, en choisissant le chemin de
plus grande pente à chaque croisement. Voir figure 01
Puis, lorsqu’il n’y a plus de sentier menant vers le bas, il décide de suivre le chemin qui
remonte avec la plus faible pente car il est conscient qu’il peut se trouver à un minimum local.
Voir figure 02
Toutefois, dès qu’il remonte, il redescend vers le point où il était. Cette stratégie ne
fonctionne pas. Par conséquent, il décide de s’interdire de faire marche arrière en mémorisant
la direction d’où il vient. Il est à noter que sa mémoire ne lui permet de mémoriser que les deux
dernières directions prohibées. Voir figure 03
Cette nouvelle stratégie lui permet d’explorer des minimums locaux et d’en ressortir. À
un moment donné, il arrive à un point où il décèle une forte pente descendante vers le sud.
Toutefois, les directions mémorisées lui interdisent d’aller vers le sud car cette direction est
prohibée. Il décide d’ignorer cette interdiction et emprunte ce chemin. Voir figure 04
Cette décision fut bénéfique: il arriva au point de plus basse altitude et attendit les secours
qui ne tardèrent à arriver. Voir figure 05
Mouvement non améliorateur: un mouvement qui nous sortirait d’un minimum local i* en
nous amenant à une solution voisine i’ pire que l’actuelle.
• T : liste des mouvements tabous. Il peut exister plusieurs listes simultanément. Les
éléments de la liste sont t (i, m).
Une liste T avec trop d’éléments peut devenir très restrictive. Il a été observé que trop
de contraintes (tabous) forcent le programme à visiter des solutions voisines peu alléchantes à
la prochaine itération
Une liste T contenant trop peu d’éléments peut s’avérer inutile et mener à des
mouvements cycliques.
Étape 4: si f(i) <= f (i*), alors nous avons trouvé une meilleure solution
Appliquer i* = i
Étape 5: mettre à jour la liste T et les critères d’aspiration
Étape 6: si une condition d’arrêt est atteinte, stop.
Sinon, retour à Étape 2.
Ex: arrêt après 22 itérations (k = 22).
Amélioration :
La recherche de la solution optimale peut être améliorée.
– choix stratégique de la solution initiale i. Ceci donnera une « bonne » valeur de f (i*)
Intensification :
La recherche est menée dans un voisinage N(i) de S, l’ensemble des solutions.
Une haute priorité est donnée aux solutions f(i’) qui ressemblent à la solution actuelle f(i).
Le résultat est donc une intensification de la recherche dans un certain secteur, dans un
voisinage choisi: Voir la figure 09
Diversification :
La recherche est éloignée du voisinage N(i) actuelle de l’ensemble des solutions.
Une haute priorité est donnée aux solutions f(i’) d’une autre région que celle actuellement
sous exploration. Voir la figure 10
Le résultat : chercher ailleurs
10 . Conclusion :
Incorpore de la mémoire dans la stratégie de recherche.
Permet les mouvements non-améliorateurs.
Offre des économies de temps de résolution pour des programmes de grosse taille.
Ne génère pas toujours la solution optimale (heuristique) mais parfois retourne de très
bons résultats sur certains types de problèmes.
Une liste taboue trop longue peut être restrictive. Par contre, une liste trop courte
risque de s’avérer inutile.
Les méthodes exactes, notamment celles d’énumération intelligente, ne sont plus
utilisables lorsque le problème devient trop important.
Les méta-heuristiques sont alors indispensables pour obtenir de “bonnes” solutions
dans la pratique.
De nombreux résultats ont été obtenus pour prouver l’efficacité de cette approche.
Cependant, ces méthodes interdisent souvent de comprendre pourquoi une bonne
solution a pu être découverte.
Même l’algorithme tabou de base est souvent d’une efficacité remarquable.
Algorithmes faciles à mettre en œuvre.
Bibliographie :
Article de Joseph Ayas & Marc André Viau « la recherche tabou »
Livre de Lapetoule KévinLes algorithmes métaheuristiques Juin 06
http://209.85.129.132/search?q=cache:mqeV919vqdgJ:hal.archivesouvertes.fr/docs/00/07/44
89/PDF/RR 2182.pdf+recherche+tabou.pdf&cd=15&hl=fr&ct=clnk&client=firefox-a
http://docs.google.com/viewer?a=v&q=cache:3kx1L_xg40gJ:www.tamps.cinvestav.mx/~ertel
lo/papiers/ROADEF2005.pdf+recherche+tabou.pdf&hl=fr&pid=bl&srcid=ADGEESiacZ9K9
Ln6WBmoLw6P7koNedpJ_9W5HF1AtWdUEOqWJZqN2aWAtOr3zl2wvytxYpekQ0QI1tA
TnjzOVr1EjGaueQvu11fr_I_uE0sISId4482oNoAsRadWqraOcM9s1OoFiVD&sig=AHIEtbR
kqyXGMQU_0veKKqtVh_KalU2Vkg
http://docs.google.com/viewer?a=v&q=cache:Xr0dzSa4kCUJ:www.cours.polymtl.ca/mth641
4/automne2004/presentations/MTH6414Recherche_Tabou.pdf+recherche+tabou.pdf&hl=fr&
pid=bl&srcid=ADGEESjllrKtepsPg7Hv6ehm7xq87cOm13SGLPR2X5573BhmFSYy5dLEvg
O1paD98Yd21ls_ekW1MgOHfibK1Us5NAgoVk13QIQEqO1LGqieuTiUxnvPA2EvFqThU
2GnO8bkRH7&sig=AHIEtbQnqWTU2426yAYBfn9BpBJII2v7HA