0 évaluation0% ont trouvé ce document utile (0 vote)
36 vues15 pages
Description :
Les méta-heuristiques permettent l'absence d'hypothèses particulière sur la régularité de la fonction objective
Les résultats obtenue par PSO sont très satisfaisant et confirment bien la validité de l’algorithme.
le choix de paramètres reste l'un des problèmes de l'optimisation par particules d'essaim.
Les méta-heuristiques permettent l'absence d'hypothèses particulière sur la régularité de la fonction objective
Les résultats obtenue par PSO sont très satisfaisant et confirment bien la validité de l’algorithme.
le choix de paramètres reste l'un des problèmes de l'optimisation par particules d'essaim.
Les méta-heuristiques permettent l'absence d'hypothèses particulière sur la régularité de la fonction objective
Les résultats obtenue par PSO sont très satisfaisant et confirment bien la validité de l’algorithme.
le choix de paramètres reste l'un des problèmes de l'optimisation par particules d'essaim.
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN
L’optimisation par essaims
De particules Le concept tiré des nuées d’oiseaux
Professeur responsable : Mr BENYETTOU Mohamed
Free Powerpoint Templates
Page 1 Anis Par : BENALLAL Mohamed Plan
I. INTRODUCTION II. UN PEU D’HISTOIRE III.DEFINITIONS III.1. Optimisation Par Essaims de Particule III.2. Notion de voisinage IV. L’ALGORITHME PSO V. APPLICATION DE L’ALGORITHME PSO VI. AUTRE DOMAINES D’APPLICATIONS VII.COCLUSION
Free Powerpoint Templates
Page 2 INTRODUCTION
L’homme s’inspire de plus en plus de la nature qui
l’entoure pour mettre en place des algorithmes simulant le comportement des animaux Les Méta-heuristiques permettent de trouver facilement et rapidement la solution la plus approchée du l’optimum si ce dernier existe Nous allons faire la connaissance avec une de ces méthodes, celle-ci est dite « optimisation par essaims de particule » dont l’idée directrice est la simulation du comportement collectif des oiseaux à l’intérieur d’une nuée.
Free Powerpoint Templates
Page 3 UN PEU D’HISTOIRE L'optimisation par Essaim de particule (OEP) En anglais : PSO (Particle swarm optimization) Inventée par Russel Eberhart (ingénieur en électricité) et James Kennedy (socio-psychologue) en 1995.
James Kennedy Russel Eberhart
Free Powerpoint Templates Page 4 DEFINITIONS Optimisation Par Essaims de Particule : Technique utilisée pour explorer l'espace de recherche d'un problème quelconque pour trouver l'ensemble des paramètres qui maximise/minimise un objectif particulier. Notion de voisinage : Le voisinage constitue la structure du réseau social. Les particules à l’intérieur d’un voisinage communiquent entre-elles.
Free Powerpoint Templates
Page 5 L’ALGORITHME PSO
Free Powerpoint Templates
Page 6 L’ALGORITHME PSO
Un facteur d’inertie peut être appliqué à la vitesse Pour contrôler l’influence de celle-ci. Free Powerpoint Templates Page 7 L’ALGORITHME PSO
vi(t) est la vitesse de particule i à l'instant t
xi(t) est la position de particule i à l'instant t w, c1, et c2 (0 ≤ w ≤ 1.2, 0 ≤ c1 ≤ 2, et 0 ≤ c2 ≤ 2) sont des coefficients constants fixés par l'utilisateur r1 et r2 sont des nombres aléatoires tirés à chaque itération g(t) est la meilleure solution trouvée jusqu'à l'instant t et xpi(t) est la meilleure solution trouvée par le particule i Free Powerpoint Templates Page 8 APPLICATION DE L’ALGORITHME PSO Appliquer le concept des essaims de particules dans un problème de maximisation
Free Powerpoint Templates
Page 9 APPLICATION DE L’ALGORITHME PSO • générer une population de particules réparties aléatoirement sur le graphe. • 20 points pour la fonctions, et 5 particules pour cette expérience. • r1 et r2 suivent une loi uniforme sur [0..1] • c1 et c2 = 2 pour et (accélération positive maximale)
Free Powerpoint Templates
Page 10 APPLICATION DE L’ALGORITHME PSO la population se rapproche vers la solution optimale globale dès la 5eme itération :
Free Powerpoint Templates
Page 11 APPLICATION DE L’ALGORITHME PSO Plus on avance dans le nombre d’itérations plus les particules se rapprochent de l’optimale dès qu’une des particules atteint l’optimum global les autres ne tardent pas a la suivre.
Free Powerpoint Templates
Page 12 COCLUSION
Les méta-heuristiques permettent l'absence
d'hypothèses particulière sur la régularité de la fonction objective
Les résultats obtenue par PSO sont très satisfaisant et
confirment bien la validité de l’algorithme.
le choix de paramètres reste l'un des problèmes de
l'optimisation par particules d'essaim.
Free Powerpoint Templates
Page 13 REFERENCES - Jerome Onwunalu, Louis J. Durlofsky, « Application of a particle swarm optimization algorithm for determining optimum well location and type », Smart Fields Meeting, 8 Avril 2009.
- Maurice Clerc, « L’optimisation par essaim
particulaire », 2003.
- Antoine Dutot et Damien Olivier, « Optimisation
par essaim de particules Application au problème des n- Reines », Laboratoire Informatique du Havre, Université du Havre, 25 rue Philippe Lebon, 76600 Le Havre.
- James Blondin, « Particle Swarm Optimization: A
Tutorial », 4 Septembre 2009. Free Powerpoint Templates Page 14 MERCI A VOUS !
Une démonstration de l’application dans quelques instants …
![Business Plan[1]](https://imgv2-2-f.scribdassets.com/img/document/529954168/149x198/bf18c973d8/1661357657?v=1)
![1-Introduction Aux Bases de Données [1]c](https://imgv2-1-f.scribdassets.com/img/document/548626323/149x198/7c431fcbf4/1640117339?v=1)
