I-INTRODUCTION

II-Introduction à la recherche locale

III-MÉTHODES D'ÉVOLUTION

Chapitre 2: L'OPTIMISATION COMBINATOIRE:

Ghislain PANDRY
Chercheur, Traitement du signal et des images

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique
étymologie : du grec ancien eurisko, "trouver" ;
méthode approchée conçue pour un problème d'optimisation
particulier permettant de trouver des solutions avec un temps de
calcul raisonnable ;
traduit une stratégie, une manière de penser, s'appuyant sur notre
connaissance du problème ;
indispensable pour les problèmes NP-diciles car généralement en
temps polynomial ;

Heuristique ̸= Algorithme exact

algorithme exact : garantit une solution optimale
heuristique : pas de garantie d'optimalité

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Métaheuristique
une heuristique est spécique à un problème et ne peut pas être
généralisée ;
méta + heuristique =≪ au-delà ≫ + =≪ trouver ≫⇒ trouver
avec un plus haut niveau d'abstraction ;
une méta-heuristique est un ensemble de concepts : voisinage
(modication d'une solution), utilisation de la mémoire, inspiration
de la physique ou la nature ...
une méta-heuristique est une heuristique généraliste, pouvant
s'appliquer à plusieurs problèmes d'optimisation ;
classication habituelle des métaheuristiques : en fonction du
nombre de solutions qu'elles manipulent
métaheuristiques à solution unique
métaheuristiques à population de solutions

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Principe des heuristiques constructives

Figure  ˆ

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristiques constructives gloutonnes (Algorithme Glouton)

Dénition
Un algorithme glouton (greedy) est un algorithme qui, à chaque étape de
la résolution d'un problème, fait un choix optimal dans l'espoir que le
résultat nal soit optimal.

Heuristique constructive gloutonne : à chaque étape, ajouter le

meilleur élément de solution e
Exemple : rendu de monnaie comment rendre 8 F avec des pièces de
6 F, 4 F et 1 F ? 8 = 6 + 1 + 1 (or 8 = 4 + 4) les valeurs des
pièces de monnaie du système monétaire sont choisies pour qu'un
algorithme glouton soit optimal

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Le problème du sac-à-dos

Dénition
Considérons n objets, notés i = 1; · · · ; n, apportant chacun un bénéce ci
mais possédant un poids ωi . On veut ranger ces objets dans un sac que
l'on veut au maximum de poids b . Le problème de sac-à-dos (knapsack)
consiste à choisir les objets à prendre parmi les n objets de manière à
avoir un bénéce maximal et respecter la contrainte du poids à ne pas
dépasser. Chaque objet i , i ∈ {1, · · · , n}, doit être sélectionné au moins
pi fois et au plus qi fois.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Domaines d'application
Ce problème se rencontre bien entendu dès que l'on part en randonnée en
voulant emmener le plus possible d'objets utiles (nourriture, boissons,...).
Mais ce problème est plus fréquemment utilisé pour remplir les camions
de transport, les avions ou bateaux de fret et même pour gérer la
mémoire d'un microprocesseur.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Problème du sac à dos (Knapsack Problem (KP))(ILLUSTRATION)

données : sac à dos vide, objets ayant chacun un poids et une valeur
objectif : maximiser la valeur totale des objets dans le sac
contrainte : poids maximal autorisé dans le sac

Figure  ˆ
Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:
 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristique constructive gloutonne pour le KP

Stratégie : rajouter en priorité les objets ayant le meilleur rapport
valeur/poids, jusqu'à ce que le sac soit rempli.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Le problème du voyageur de commerce

Dénition
Soit G = (V ; E ) un graphe non-orienté où les sommets V sont appelées
des villes et les arêtes entre deux villes des liaisons. Soit c(e) un coût
associé à la liaison e , pour toute e ∈ E . Le problème du voyageur de
commerce (TSP, Traveller Salesman Problem) consiste à déterminer un
cycle passant par chaque ville une et une seule fois. Un tel cycle est dit
hamiltonien, on l'appelle aussi souvent tour ou tournée. Ce problème
classique a trouvé de nombreuses applications dans des domaines
pourtant aussi éloignés que la production ou la construction de circuits
intégrés.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Dénition (suite)
Regardons le problème assymétrique : c'est-à-dire que les coûts des arcs
cij ̸= cji pour tout arête ij ∈ e . On considère le graphe complet
D = (V ; A), avec des coûts sur les arcs cij . On recherche le cycle
orienté, appelé tour qui contient les n villes et qui soit de taille minimale.
On dénit les variables xij = 1 si l'arc (i; j) est dans le tour et 0 sinon.
Même avec ce formalisme déjà très précis, il existe plusieurs formulations
possibles.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

RAPPEL GRAPHE HAMILTONIEN

HISTOIRE GRAPHE HAMILTONIEN

En 1857, Sir William Rowan Hamilton inventa un jeu mathématique,

appelé "icosian game", dont le but est de parcourir tous les sommets
d'un dodécaèdre une et une seule fois, en partant et revenant du même
endroit. En hommage à Hamilton, de tels graphes portent son nom.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

RAPPEL GRAPHE HAMILTONIEN

DENTITION : GRAPHE HAMILTONIEN

Un graphe non orienté G = (V , E ) est hamiltonien s'il existe un cycle
passant exactement une fois par chaque sommet de G .

REMARQUE
Reconnaître un graphe hamiltonien peut sembler facile (puisque c'est
facile pour un graphe eulérien...) mais il n'en est rien. Il existe cependant
des conditions nécessaires ou susantes à l'existence d'un cycle
hamiltonien :

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

RAPPEL GRAPHE HAMILTONIEN

Théorème de Dirac (1952)

Soit un graphe simple G = (V , E ) à N sommets. Si le degré de tout
sommet est supérieur ou égal à N/2 , alors G contient un cycle
hamiltonien.

Théorème de Ore (1960)

Soit un graphe simple G = (V , E ) à N sommets. Si pour chaque paire de
sommets vi et vj non adjacents l'inégalité δ(vi ) + δ(vj ) ≥ N est vériée,
alors G contient un cycle hamiltonien.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : Problème
plus proche voisin (nearest neighbour)
Un voyageur de commerce doit visiter un certain nombre de villes
Il doit visiter chaque ville une et une seule fois
Étant donné des distances entre chaque paire de villes, il doit
minimiser la distance totale parcourue
On peut représenter ce problème par un graphe : chaque ville
correspond à un sommet et chaque arête à une paire de villes
pouvant être visitées l'une à la suite de l'autre
Le problème correspond à trouver un tour complet (circuit
Hamiltonien) dans ce graphe qui minimise la somme des
distancesinitialisation : choisir aléatoirement une première ville

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : heuristique du plus proche voisin

plus proche voisin (nearest neighbour)
1 initialisation : choisir aléatoirement une première ville
2 à chaque étape, une suite de villes a été construite y rajouter la ville
la plus proche de la ville courante (dernière ville)
3 relier la dernière ville à la première (pour obtenir un cycle)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Heuristiques d'insertion pour le TSP

1 idée de construction :
initialisation : choisir aléatoirement une première ville
à chaque étape, un cycle de villes a été constuit y insérer la
ville qui minimise un critère donné
2 insertion du plus proche voisin (nearest insertion) : insérer la ville la
plus proche des villes déjà visitées moindre coût (cheapest
insertion) : insérer la ville ayant le
3 moindre coût d'insertion (engeandrant la plus petite augmentation
de la longueur du cyle)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

TSP : illustration

Approches constructives gloutonnes

en O(n)
une succession de choix localement optimaux ne garantit pas une
solution optimale.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Le problème de coloration
Dénition :k -coloration de G
Une k - coloration d'un graphe (simple, sans boucles)G = (V ; E ) est une
application c : V → {1; 2; · · · ; k} de façon telle que les sommets voisins
ont des couleurs distinctes : (vi , vj )i̸=j ∈ E , ⇒ c(vi ) ̸= c(vj )

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Tester si un graphe est k -coloriable est un problème NP-complet si

k ≥ 3, et il est polynomial si k = 2. En eet, si k = 2, il sut de tester si
le graphe est biparti, c'est- à-dire s'il ne contient pas des cycle impair. Ce
qui peut se faire par un simple parcours de graphe.

Dénition : Stable
Un stable est un ensemble de sommets non adjacents donc une
k -coloration = un partitionnement du graphe en k stables.

Dénition :Classe de couleur

Une k -coloration de G est une "partition" de l'ensemble V des sommets
de G en k ensembles stables (ou indépendants) : V = V1 ∪ · · · ∪ Vk où
Vm = ensemble des sommets coloriés m.

Dénition : Nombre chromatique

Soit G = (V ; E ) un graphe non-orienté. Le problème de coloration
consiste à déterminer le plus petit k tel que G soit k -coloriable. Le
nombre chromatique d'un graphe
Ghislain PANDRYG , noté , est le nombre
χ(G2: )L'OPTIMISATION
Chapitre minimum
COMBINATOIRE:
 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Algorithme de Welsh et Powell

Cet algorithme couramment utilisé permet d'obtenir une assez bonne
coloration d'un graphe, c'est-à-dire une coloration n'utilisant pas un trop
grand nombre de couleurs. Cependant il n'assure pas que le nombre de
couleurs soit minimum (et donc égal au nombre chromatique du graphe).
Étape 1 : Classer les sommets du graphe dans l'ordre décroissant
de leur degré, et attribuer à chacun des sommets son numéro
d'ordre dans la liste obtenue.
Étape 2 : En parcourant la liste dans l'ordre, attribuer une couleur
non encore utilisée au premier sommet non encore coloré, et
attribuer cette même couleur à chaque sommet non encore coloré et
non adjacent à un sommet de cette couleur.
Étape 3 : S'il reste des sommets non colorés dans le graphe, revenir
à l'Étape 2. Sinon, FIN

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

Le problème du ot maximal

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

PROBLÈME A RÉSOUDRE

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

PROBLÈME A RÉSOUDRE
Selon l'image précédente des questions peuvent être posées.
Pour un problème de dimensionnement des routes, on peut se poser
la question combien de voitures emprunteront cette route ?
Pour un problème de dimensionnement des canalisations d'eau, on
peut se poser la question quel débit d'eau faut-il pour cette ville ?
Pour un problème de dimensionnement d'un réseau d'une entreprise,
on peut se poser la question quel débit internet faut-il pour cette
entreprise ?

QUESTION FONDAMENTALE
Comment transférer une quantité maximale de "matière" de source à
destination sans dépasser la capacité de chaque arc ?
Matière=voitures ou débit d'eau ou débit internet ou ...

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

RECHERCHE D'UN FLOT MAXIMAL

Parmi les problèmes les plus classiques en théorie des graphes, on peut
citer celui de la recherche d'un ot maximal.
Problème de plus court chemin : une personne seule de la source à
la destination.
Problème de ot : acheminement d'une quantité de marchandises
(divisibles : on peut acheminer nos marchandises par des routes
diérentes) de la source vers la destination.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : RÉSEAU
Un graphe fortement connexe, sans boucle et ayant plus d'un sommet est
appelé un réseau.

DÉFINITION 1 : RÉSEAU DE TRANSPORT

Un réseau de transport ou réseau de ot est un type de graphe orienté
valué positivement sans boucle.
Un réseau de transport permet d'étudier et d'optimiser le déplacement
d'une certaine quantité d'éléments dans n'importe quel réseau prédéni.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION 2 : RÉSEAU DE TRANSPORT

Soit G = (V ; E ) un graphe orienté à valuations positives. Si G vérie les
conditions suivantes :
il existe dans V deux sommets particuliers v1 et vn tels que
Γ− (v1 ) = ∅ et Γ+ (vn ) = ∅ avec v1 est appelé sommet-entrée ou
source (sink) noté v1 = s et vn est appelé sommet-sortie ou
destination ou puits () noté vn = t où t ̸= s .
On suppose que chaque sommet du graphe se trouve sur un chemin
allant de la source vers le puits.
Le graphe est supposé antisymétrique, c'est-à-dire qu'il n'existe pas
deux arcs opposés reliant deux mêmes sommets.
Notons que la valuation ce ≥ 0 de l'arc e = (vi ; vj ) ∈ E est la capacité de
cet arc. c : E 7→ R+
Alors G est appelé réseau de transport et est déni par le triplet
R = (V ; E ; C ), où C = {cij ≥ 0; (vi ; vj ) ∈ V }.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : FLOT ADMISSIBLE

Dans un graphe orienté G , un ot admissible ϕ = (ϕ1 ; ϕ2 ; · · · ; ϕm ) de s à
t dans G est l'aectation d'une valeur réelle à chaque arc de G ,
représentant une quantité transportée sur cet arc.
Un ot admissible est une fonction réelle positive ϕ sur E telle que
pour tout arc e ∈ E , ϕ(e) ∈ [0; c(e)] (contrainte de capacité) ;
pour tout n÷ud vP ∈ V exceptés s et t ,
e∈Γ+ (v ) ϕ(e) (contrainte de conservation).
P
−
e∈Γ (v ) ϕ(e) =

REMARQUE 0
Cette contrainte de conservation s'appelle aussi loi des n÷uds ou loi de
Kircho en électricité et indique qu'il n'y a pas de perte dans le réseau.
Ainsi, La somme des ots sortant en un n÷ud v est égale à la somme des
ots entrants en un n÷ud v .

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

EXEMPLE

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : FLOT COMPATIBLE

Un ot ϕ est compatible avec un réseau si pour tout arc
e ,0 ≤ ϕ(e) ≤ c(e). Autrement dit, pour chaque arc, le ot qui le traverse
ne doit pas dépasser la capacité de l'arc.

DÉFINITION : FLOT COMPLET

Un ot ϕ est complet si pour tout chemin allant de la source au puits, il
y a au moins un arc e saturé, i.e. le ot qui le traverse est égal à la
capacité de l'arc (ϕ(e) = c(e)).

ATTENTION
Sur un même réseau de transport, un ot compatible n'était pas
nécessairement complet et un ot complet n'était pas nécessairement
maximal.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : VALEUR D'UN FLOT

La valeur α d'un ot ϕ est le ot entrant en le puits t , ou le ot sortant
en la source s .
X X
α= ϕ(e) − ϕ(e)(puit) (1)
e∈Γ− (t) e∈Γ+ (t)

X X
α= ϕ(e) − ϕ(e)(source) (2)
e∈Γ+ (s) e∈Γ− (s)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

REMARQUE 1
Il est possible d'ajouter un arc ctif reliant t à s dont le ux ϕ(t; s) est
toujours la valeur α du ot ϕ . Dans ce cas, la contrainte de conservation
est aussi vériée par s et t .

REMARQUE 2
Le ot nul est toujours admissible.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : FLOT MAXIMAL

Soit G = (V , E ) un réseau de transport. On dit qu'un ot ϕ circulant
dans G est maximal s'il est compatible et s'il possède la plus forte valeur
du ot parmi tous les ots compatibles.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

PROBLÈME DE FLOT MAXIMAL

Connaissant les capacités des arcs d'un réseau de transport, le problème
du ot maximum consiste à trouver quelle est la quantité maximum de
ot admissible qui peut circuler de la source au puits.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

SOLUTION : PROBLÈME DE FLOT MAXIMAL

L'algorithme le plus connu pour résoudre ce problème est celui de Ford et
Fulkerson. Nous verrons deux approches pour cette méthode. La première
est basée sur la recherche d'une chaîne dans le réseau alors que la seconde
construit un graphe "d'écart" dans lequel on recherche un chemin.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

DÉFINITION : CHAINE AUGMENTANTE

Une chaîne augmentante, i.e. une chaîne pour laquelle le ot peut être
augmenté est une chaîne pour laquelle les arcs dans le sens direct n'ont
pas atteint leur limite maximum et les arcs en sens indirect ont un ot
non nul qui les traverse. L'augmentation de ot maximum pour une
chaîne est le minimum des écarts entre le ot courant et le ot maximal
pour les arcs directs ou le ot courant pour les arcs indirects. Autrement
dit, une chaîne C est augmentante si :
pour tout arc u direct, ϕ(u) < c(u),
pour tout arc u indirect,ϕ(u) > 0.
Le ot sur cette chaîne C peut être augmenté de :
min({c(u)−ϕ(u)|u ∈ C et u sens direct}∪{ϕ(u)|u ∈ C et u sens direct})

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

EXEMPLE
on a une chaîne augmentante de A à E faisant partie d'un réseau de
transport.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

EXEMPLE SUITE
Dans cette chaîne, on peut augmenter le ot de :
min({cA,B − ϕA,B ; cB,C − ϕB,C ; cD,E − ϕD,E } ∪ {ϕD,C })=min({5 − 2; 9 −
7; 5 − 0} ∪ {1})=min({3; 2; 5} ∪ {1})=min({3; 2; 5; 1})=1
On augmentera donc de 1 le ot dans cette chaîne. Ce qui signie :
augmenter de 1 le ot entre A et B , augmenter de 1 le ot entre B et C ,
diminuer de 1 le ot entre D et C , augmenter de 1 le ot entre D et E .

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

ALGORITHME DE FORD-FULKERSON : CHAINE AUGMENTANTE

On part d'un ot compatible.
1 Commence avec un ot nul i.e. pour tout arc u, ϕ(u) = 0
2 Tant qu'il existe un chemin améliorant
Le plus évident est le ot nul,. Ensuite, on cherche une chaîne
reliant la source au puits telle que son ot peut être augmenté.
Si on n'en trouve pas, le problème est résolu.
Sinon, on augmente le ot sur cette chaîne.
Ensuite, on recommence à chercher une chaîne augmentante et
ainsi de suite.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION
Au départ ϕ(u) = 0, ∀u ∈ E

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION I.1-Le problème du sac-à-dos
II-Introduction à la recherche locale I.2-Le problème du voyageur de commerce
III-MÉTHODES D'ÉVOLUTION I.3-Le problème de coloration
I.4-Le problème du ot maximal

APPLICATION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Introduction à la recherche locale

La fable des randonneurs : il était une fois ...
4 randonneurs perdus à la montagne en 4 endroits diérents
il faut rejoindre la vallée de plus basse altitude, là où les
secours passent régulièrement
brouillard (ou la nuit avec une lampe frontale) => observation
de l'environnement immédiat
à un croisement de sentiers : on ne peut examiner qu'un
chemin à la fois, en s'y ebgageant
moyens : un altimètre et une boussole
Stratégies déployées : que faire quand on se trouve à croisement de
sentiers ?
Dernières nouvelles (selon l'équipe de secours qui est allée les
chercher) ?

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Randonneur 1
stratégie : ≪ je suis sportif, j'explore tous les chemins possibles ≫
résultat : le pauvre, il court toujours dans la montagne ! · · · mais il
n'est pas encore mort de lassitude. Il doit être bien motivé

Moralité
la recherche exhaustive énumérative ne fut pas un choix judicieux !

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Randonneur 2
stratégie : ≪ descendre pour aller en bas, quoi de plus normal ? :
tant que je peux descendre, je le fais ! ≫
résultat : pas de chance /, il a terminé dans une cuvette. Après une
nuit glaciale il s'est rendu compte que ce n'était pas le point le plus
bas. Il s'est remis en marche pour enn descendre,épuisé, au bon
endroit.

Moralité
la recherche gloutonne basique peut marcher, mais pas cette fois-ci !
avec un autre point de départ ça aurait pu mieux se passer.
descendre toujours peut conduire à une impasse !

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Randonneur 3
stratégie : ≪ je descends, mais j'autorise, de temps à autre (joue
aux dés), des chemins qui montent. ≫ tient compte de l'inclinaison
des chemins qui montent. A un certain moment, il a marché (sans le
savoir) sur les pas du 2me randonneur
résultat :il est arrivé à un point très bas, qu'il n'a pas quitté, et les
équipes de secours l'ont trouvé.

Moralité
des dégradations occasionnelles de la fonction objectif peuvent nous faire
échapper d'un optimum local

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Randonneur 4
stratégie : ≪ tant que je peux descendre, je le fais en empruntant le
chemin de plus grande pente si je ne peux plus descendre,
j'emprunte le chemin qui remonte avec la plus faible pente je
mémorise les derniers chemins que je viens d'emprunter pour ne pas
emprunter les emprunter tout de suite. ≫
résultat :idem que le 3me mais qui du 3me et du 4me arriva premier ?
l'histoire ne le dit pas

Moralité
avec une mémoire à court terme, on peut s'épargner des boucles innies

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Principe de la recherche locale

Idée : on s'attend à ce que les bonnes solutions partagent des
structures similaires donc, les meilleures solutions
devraient pouvoir être obtenues après des petites
modications de bonnes solutions, etc
Principe :
solution initiale
transformations successives

Moralité
fonction Ω → 2Ω : x 7→ V(x) ⊂ Ω
traduit la notion de solutions proches, semblables, voisines
suite de solutions : une trajectoire dans l'espace de recherche

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Structure générale d'une recherche locale

Figure  ˆ
Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:
 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Méthodes de descente du gradient

Algorithme du gradient en optimisation continue
schéma itératif utilisé : xk+1 = xk − αk ∇f (xk )

ˆ
Figure Chapitre 2: L'OPTIMISATION COMBINATOIRE:
Ghislain PANDRY
 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Descente du gradient

Figure  ˆ
Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:
 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Plus grande pente

Figure  ˆ
Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:
 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Méthodes de descente : avantages et inconvénients

une méthode locale basique, rapide, mais s'arrête au premier
optimum local trouvé
elle s'y trouve piégée (2ème randonneur de la fable)

Idée d'amélioration : 3ème et 4ème randonneurs de la fable

autoriser, de temps en temps, une dégradation de la solution
courante
contrôler la dégradation pour éviter la divergence de l'algorithme

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Recuit simulé (Simulated Annealing )

analogie avec la thermodynamique (métallurgie)
1 initialement, un métal est chaué à haute température
2 puis refroidissement de la température
brutalement (trempe) =⇒ état solide amorphe ;
progressivement =⇒ état solide cristallin.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Recuit simulé : Tableau d'analogie

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Recuit simulé : Principe

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Recuit simulé : Remarque

méthode stochastique
−∆f
probabilité d'acceptation p(∆f , T ) = e T
E′ − E
−
probabilité de Métropolis en thermodynamique e T
∆f : si dégradation énorme ⇒ probabilité plus petite
T : plus la température descent, plus la probabilité d'acceptation
devient petite
on autorise plus de dégradation au début qu'à la n : convergence
vers un état d'énergie minimale

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Introduction
Les méthodes d'évolution sont généralement basées population de
solutions : On commence par une population de solutions pour améliorer
la solution globale. Contrairement aux recherche locales, les méthodes à
base de population de solutions améliorent, au fur et à mesure des
itérations, une population de solutions. Ces méthodes commencent par
une population initiale pour arriver ou s'approcher de la solution optimale
du problème. Ces algorithmes sont très exibles et ont la capacité de
traiter des problèmes avec des fonctions objectif de diérentes propriétés,
qu'elles soient continues, discrètes ou mixtes.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithmes génétiques : Historique

Pour les espèces vivants, la reproduction est conduite par une sélection
naturelle. Cette dernière est dénie par Darwin (1866) comme étant
l'adaptation de survie ; les individus les mieux adaptés tendent à survivre
et ont de plus grandes probabilités de se reproduire.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithmes génétiques : Dénition

Les algorithmes génétiques simulent ce processus de l'évolution d'une
population. La population regroupe n solutions appelées individus. La
reproduction de la population sélectionnée se fait en utilisant deux
opérations : le croisement et la mutation. Les nouvelles générations
sélectionnent, au fur et à mesure, les individus les mieux adaptés an de
trouver la meilleure solution au problème.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithmes génétiques : Opérateurs

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithmes génétiques : Algorithme

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithmes génétiques : Codage/Décodage de la population

Avant la reproduction de la population, il faut savoir que le codage des
individus est une étape très importante. Chaque individu de la population
est codé par un chromosome. Ce dernier peut être représenté sous forme
d'une chaîne de bits, de caractères ou de nombres. Le décodage est une
transformation du chromosome en valeur du problème recherche (avant
chaque évaluation de l'individu).

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Codage/Décodage de la population : Sélection

La sélection consiste à choisir les meilleurs individus qui seront reproduits
par la suite. Une évaluation de chaque individu de la population se fait
par l'utilisation de la fonction d'objectif du problème traité. Il existe
plusieurs mécanismes de sélection, à savoir : la sélection par roulette, par
rang et par tournois.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Sélection : Types
Roulette : Son principe est tiré de la roue de loterie. A chaque
individu, on associe un secteur de la roue. L'angle du
secteur correspond à la tness de l'individu.
Rang : Cette sélection se base sur la notion du tri. On trie d'abord
les individus par tness et on associe à chacun un rang.
Tournois : Une rencontre se fait entre plusieurs individus pris au
hasard. Le vainqueur est celui qui a la meilleure tness.
On peut choisir un ou plusieurs vainqueurs à la fois.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Codage/Décodage de la population : Croisement

Deux individus (parents) produisent deux nouveaux individus (enfants).
Les enfants héritent des caractéristiques de leurs parents. Cela se fait par
une découpe de chacun des individus parents, dans les mêmes positions,
en m morceaux. En échangeant les morceaux on obtient les nouveaux
individus. Le croisement est une opération qui ne touche pas forcément
toute la population.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Codage/Décodage de la population : Mutation

L'opération de la mutation est une modication d'un seul gène pour
passer d'une solution à une autre. Cela permet à certains caractères
d'apparaître ou de disparaître de façon aléatoire. La mutation ne touche
pas toute la population.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Codage/Décodage de la population : Mise à jour de la population

La taille de la population doit être statique : Si on commence par n
individus avant la reproduction, il faut terminer la génération avec n
individus. La mise à jour de la population est une sélection par rang : une
2eme sélection où on ne garde que les meilleurs individus. Cette sélection
peut écraser partiellement ou totalement la population précédente.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Codage/Décodage de la population : Intensication/Diversication

On fait appel aux mécanismes d'intensication et de diversication pour
un algorithme génétique au cours de la reproduction. On intensie la
recherche pendant le croisement et on diversie par la mutation.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

APPLICATION TSP

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Un algorithme approché
1 Construire un Arbre de Couvrant de Poids (Coût) Minimal (ACCM) ;
2 Doubler chaque arête de l'ACCM pour obtenir un graphe eulérien ;
3 Trouver un cycle eulérien ;
4 Transformer le cycle eulérien en un cycle hamiltonien en supprimant
les éventuels passages en double sur certains sommets
5 Retourner le cycle Hamiltonien ;

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Christodes
1 Calculer un arbre couvrant T de poids minimum de G
′
2 Soient V les n÷uds de T de degré impairs, calculer dans G un
′
couplage parfait M de V de poids minimum.
′
3 Calculer un cycle eulérien C de T ∪ M et renvoyer le cycle visitant
′
les n÷uds de G dans le même ordre que C .

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme de Little

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Méthode de montée (descente)

1 Étant donné une solution réalisable initiale, on tente de l'améliorer
par une modication d'un certain type
2 Dans l'ensemble de toutes les modications d'un certain type, on
choisit celle qui améliore le plus la valeur de l'objectif (s'il y en a
une !).
3 Cette approche est une métaheuristique, appelée méthode de
montée (max) ou de descente (min).
4 Exemple : méthode du gradient en programmation non linéaire
Modication : faire un pas dans la direction du gradient
On calcule la modication (f ∗ ) qui améliore le plus la valeur
de l'objectif.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Inversion de sous-tours
Pour le problème du voyageur de commerce, on peut dénir
plusieurs types de modication
Un type de modication possible consiste à inverser l'ordre de visite
d'une sous-séquence de villes
Par exemple, si la séquence de visite des villes est 1-2-3-4-5-6-7-1 et
que nous choisissions d'inverser la sous-séquence 3-4, la solution
1-2-4-3-5-6-7-1 serait obtenue suite à cette modication
Sur notre exemple, on peut vérier que la distance totale passe de
69 à 65 suite à cette modication

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Descente par inversion de sous-tours

Identier une solution réalisable initiale
Considérer toutes les inversions de sous-tours et choisir celle qui
améliore le plus la distance totale parcourue par le nouveau tour
ainsi obtenu
Arrêter s'il n'y a aucune inversion de sous-tours qui permette
d'améliorer la distance totale parcourue

Descente par inversion de sous-tours

Cette méthode est intéressante, mais elle ne garantit pas de trouver une
solution optimale. Elle identie plutôt un optimum local (par rapport au
type de modication utilisé)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple
Solution initiale : 1-2-3-4-5-6-7-1 (69)
Inversions de sous-tours (les autres possibilités ne mènent pas à une
solution réalisable) :
1-3-2-4-5-6-7-1 : 68
1-2-4-3-5-6-7-1 : 65
1-2-3-5-4-6-7-1 : 65
1-2-3-4-6-5-7-1 : 66
Il y a deux modications qui diminuent le plus la distance : on
choisit la première

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple (Suite)
Solution courante : 1-2-4-3-5-6-7-1 (65)
Inversions de sous-tours :
1-2-3-4-5-6-7-1 : 69 (solution précédente !)
1-2-4-6-5-3-7-1 : 64
Il n'y a qu'une seule modication qui diminue la distance totale : on
la choisit
Inversions à partir de 1-2-4-6-5-3-7-1 :
1-2-4-3-5-6-7-1 : 65 (solution précédente !)
1-2-4-6-5-7-3-1 : 66
Aucune modication n'améliore la valeur de l'objectif : on arrête

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple (Suite)
Pourtant, la solution obtenue de valeur 64 n'est pas optimale : la
solution 1-2-4-6-7-5-3-1 est de valeur 63 et on peut vérier qu'elle
est optimale
Plusieurs métaheuristiques utilisent la même approche (par type de
modications, ou voisinage) que la descente, mais tentent d'éviter
de demeurer piégé dans un minimum local (recherche avec tabous,
recuit simulé)
D'autres tentent de combiner plusieurs solutions (populations)
pour en générer de nouvelles (algorithmes génétiques)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Explication : Recherche avec Tabous

La recherche taboue a été introduite par Glover (1989). L'exploitation du
voisinage permet de se déplacer de la solution courante vers son meilleur
voisin. Ce dernier n'est pas forcément meilleur que la solution courante.
Cette méthode permet un déplacement d'une solution S vers la meilleure
′
solution S appartenant à son voisinage V (S). Le déplacement interdit,
d'où vient le mot tabou, consiste au retour vers une solution récemment
visitée. Pour cela, les solutions visitées sont temporairement interdites et
stockées dans une liste taboue. Une fois la liste taboue est remplie, la
solution la plus ancienne est retirée (selon le principe d'une le
d'attente). La taille de cette liste est un paramètre crucial qui aecte la
résolution du problème. Elle peut être statique ou dynamique.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Algorithme : Recherche avec Tabous

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Application : Recherche avec Tabous

Voisinage : inversion de sous-tours, ce qui implique l'ajout de deux
liens et l'élimination de deux liens
Liste taboue : les deux liens ajoutés sont insérés dans la liste
taboue ; une modication est taboue si les deux liens à éliminer sont
dans la liste taboue
On ne conservera dans la liste taboue que les liens ajoutés lors des
deux dernières itérations : on dit que la longueur de la liste taboue
est 4
On arrête l'algorithme lorsque trois itérations consécutives sans
amélioration ont été exécutées (ou lorsqu'il n'y a plus de
modication possible)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP
la recherche avec tabous eectue les mêmes modications que la
descente, mais gère également la liste taboue
Solution initiale : 1-2-3-4-5-6-7-1 (69)
Itération 1 :
Inversion de la sous-séquence 3-4 → ajout des liens 2-4 et 3-5
→ Liste taboue = 2-4, 3-5
Nouvelle solution : 1-2-4-3-5-6-7-1 (65)
Itération 2 :
Inversion de la sous-séquence 3-5-6 → ajout des liens 4-6 et
3-7 → Liste taboue = 2-4, 3-5, 4-6, 3-7
Nouvelle solution : 1-2-4-6-5-3-7-1 (64)

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP : Recuit Simulé

Voisinage : inversion de sous-tours
Choix d'une modication au hasard : on choisit au hasard le début
et la n de la sous-séquence à inverser (si l'inversion n'amène pas
vers une solution réalisable, on recommence jusqu'à ce qu'on
obtienne une solution candidate réalisable)
La température initiale est xée à T = 0, 2.fc , ce qui est
relativement élevé comparé à fn − fc
Ensuite, on divise la température par 2 à toutes les cinq itérations
On arrête après 25 itérations

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP : Application Recuit Simulé

Solution initiale : 1-2-3-4-5-6-7-1 ; fc = 69
Température initiale : T = 0,2.69 = 13,8
Modication choisie au hasard : inverser la sous séquence 3-4
→solution candidate 1-2-4-3-5-6-7-1 ; fn = 65
Puisque fn < fc , on accepte cette modication
Solution courante : 1-2-4-3-5-6-7-1 ; fc = 65
Modication choisie au hasard : inverser la sous séquence 3-5-6 →
solution candidate 1-2-4-6-5-3-7-1 ; fn = 64 : on l'accepte

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP : Application Recuit Simulé (suite)

Solution courante : 1-2-4-6-5-3-7-1 ; fc = 64
Modication choisie au hasard : inverser la sous séquence 3-7
solution candidate 1-2-4-6-5-7-3-1 ; fn = 66
Puisque fn > fc , Prob(acceptation) = e −2/13,8 = 0,865
On génère un nombre selon une loi U[0, 1] : si ce nombre est <
0,865, on accepte la modication, sinon, on la refuse.

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP : Application Algo Génétique

Les solutions qui forment la population initiale sont choisies au
hasard
Des parents sont choisis au hasard (mais on choisit davantage parmi
les mieux adaptés)
Supposons qu'on a les deux parents suivants :
P1 : 1-2-3-4-5-6-7-1
P2 : 1-2-4-6-5-7-3-1
An de générer un enfant, on choisira pour chaque sommet un lien
choisi au hasard parmi les liens des deux parents

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE:

 I-INTRODUCTION
II-Introduction à la recherche locale
III-MÉTHODES D'ÉVOLUTION

Exemple TSP : Application Algo Génétique (suite)

P2 : 1-2-3-4-5-6-7-1 et P2 : 1-2-4-6-5-7-3-1
Pour le sommet 1, on peut choisir 1-2 ou 1-7 (P2 ) ou 1-2 ou 1-3 :
P(1-2) = 1/2, P(1-7) =1/4, P(1-3) = 1/4
Supposons qu'on choisit 1-2
Pour le sommet 2, on peut choisir 2-3 ou 2-4
Supposons qu'on choisit 2-4 : 1-2-4
Pour le sommet 4, on peut choisir 4-3 ou 4-5 ou 4-6
Supposons qu'on choisit 4-3 : 1-2-4-3
Pour le sommet 3, on peut choisir 3-7, mais rien d'autre !...

Ghislain PANDRY Chapitre 2: L'OPTIMISATION COMBINATOIRE: