Institut Supérieur d'Informatique et des Techniques de

Communication

L’algorithme de fourmis

Elaborer par :
Mayeh ons
Bannour Amira

Powerpoint Templates
Page 1
 Sommaire

1. Historique
2. C’est quoi l’algorithme de fourmis?
3. Origine
4. Les comportement
5. Les fonctionnalités
6. Les système fourni
7. Principale variante
8. Cadre ACO
9. Application
10.Structure Algorithme de fourmis
11. Conclusion
Powerpoint Templates
Page 2
 Historique

• Initialement proposé par Marco

Dorigo et al. dans les années 1990,
pour la recherche de chemins
optimaux dans un graphe, le premier
algorithme s’inspire du comportement
des fourmis recherchant un chemin
entre leur colonie et une source
de nourriture.

Powerpoint Templates
Page 3
 C’est quoi algorithme de
fourmis?
• Les algorithmes de colonies de
fourmis sont des algorithmes inspirés
du comportement des fourmis et qui
constituent une famille
de métaheuristiques d’optimisation.

• L’idée originale s'est depuis diversifiée pour

résoudre une classe plus large de problèmes et
plusieurs algorithmes ont vu le jour, s’inspirant de
divers aspects du comportement des fourmis.

Powerpoint Templates
Page 4
 Origine

• L’idée originale provient de l’observation de

l’exploitation des ressources alimentaires
chez les fourmis. En effet, celles-ci, bien
qu’ayant individuellement des capacités
cognitives limitées, sont capables
collectivement de trouver le chemin le plus
court entre une source de nourriture et leur
nid.

Powerpoint Templates
Page 5
 Les comportement (1/2)

• Un modèle expliquant ce comportement est le

suivant :
1. une fourmi (appelée « éclaireuse ») parcourt plus ou
moins au hasard l’environnement autour de la
colonie 
2. si celle-ci découvre une source de nourriture, elle
rentre plus ou moins directement au nid, en laissant
sur son chemin une piste de phéromones 
3. ces phéromones étant attractives, les fourmis
passant à proximité vont avoir tendance à suivre, de
façon plus ou moins directe, cette piste 
4. en revenant au nid, ces mêmes fourmis
vont renforcer la piste 
Powerpoint Templates
Page 6
 les comportement (2/2)

5.si deux pistes sont possibles pour atteindre la

même source de nourriture, celle étant la plus
courte sera, dans le même temps, parcourue par
plus de fourmis que la longue piste 
6.la piste courte sera donc de plus en plus
renforcée, et donc de plus en plus attractive 
7.la longue piste, elle, finira par disparaître, les
phéromones étant volatiles 
8.à terme, l’ensemble des fourmis a donc déterminé
et « choisi » la piste la plus courte.

Powerpoint Templates
Page 7
Les fonctionnalités

Powerpoint Templates
Page 8
 le  système fourmi

• Le système de deux manière de

description :
Description générale
Description formelle

Powerpoint Templates
Page 9
 Description général

• Le premier algorithme de colonies de

fourmis proposé est appelé l’ Anti
système(système fourmi). Il vise
notamment à résoudre le problème du
voyageur de commerce, où le but est
de trouver le plus court chemin
permettant de relier un ensemble de
villes.

Powerpoint Templates
Page 10
 Description général

•  À chaque étape, la fourmi choisit de passer d’une

ville à une autre en fonction de quelques règles :
1. elle ne peut visiter qu’une fois chaque ville 
2. plus une ville est loin, moins elle a de chance
d’être choisie (c’est la « visibilité ») 
3. plus l'intensité de la piste de phéromone disposée
sur l’arête entre deux villes est grande, plus le
trajet aura de chance d’être choisi 
4. une fois son trajet terminé, la fourmi dépose, sur
l’ensemble des arêtes parcourues, plus de
phéromones si le trajet est court 
5. les pistes de phéromones s’évaporent à
chaque itération.
Powerpoint Templates
Page 11
Description général

Powerpoint Templates
Page 12
 Description formelle

• La règle de déplacement est appelée

« règle aléatoire de transition
proportionnelle », et est écrite
mathématiquement sous la forme
suivante :

Powerpoint Templates
Page 13
 Description formelle

• Une fois la tournée des villes effectuée,

une fourmi k dépose une quantité  de
phéromone sur chaque arête de son
parcours :

Powerpoint Templates
Page 14
Description formelle

• À la fin de chaque itération de

l’algorithme, les phéromones déposées
aux itérations précédentes par les
fourmis s’évaporent de :
Et à la fin de l'itération, on a la somme des
phéromones qui ne se sont pas évaporées
et de celles qui viennent d'être déposées.

Powerpoint Templates
Page 15
 Principal variante

• L’algorithme de colonies de fourmis a été à

l’origine surtout utilisé pour produire des
solutions quasi-optimales au problème du
voyageur de commerce, puis, plus
généralement, aux problèmes d’optimisation
combinatoire. On observe que depuis ses
débuts son emploi s'est étendu à plusieurs
domaines, depuis l’optimisation continue
jusqu’à la classification ou encore
le traitement d’image.

Powerpoint Templates
Page 16
 Le cadre ACO
• Ce cadre se limite cependant aux algorithmes construisant des
solutions sous la forme de paramètres associés aux
composants d'un graphe, à l'aide d'un modèle statistique
biaisé.
• Une méthode de type ACO suit le schéma algorithmique
suivant, paramétré par:
 un critère d'arrêt de l’algorithme un temps
de calcul ou un nombre d'itérations alloué dépassé, un seuil
d'amélioration des solutions qui n’est plus satisfaisant, ou une
combinaison de critères
 des heuristiques(éventuellement)
 un critère de choix des pistes à explorer ou à éliminer
 une construction des solutions et des pistes de
phéromones
dépendant du problème à résoudre et de sa structures
Powerpoint Templates
Page 17
 Application (1/ 3)

• Les variantes combinatoires peuvent avoir un

avantage, par rapport aux autres méta
heuristiques, dans le cas où le graphe étudié
peut changer dynamiquement au cours de
l’exécution : la colonie de fourmis s’adaptera
de façon relativement flexible aux
changements. Ceci semble être intéressant
pour le routage réseau.

Powerpoint Templates
Page 18
 Application (2/3)

• Les algorithmes de colonies de fourmis ont

été appliqués à un grand nombre de
problèmes d’optimisation combinatoire,
allant de l'affectation quadratique au replis
de protéine ou au routage de véhicules.
Comme beaucoup de méta heuristiques,
l’algorithme de base a été adapté aux
problèmes dynamiques, en variables
réelles, aux problèmes stochastiques, multi-
objectifs ou aux implémentations parallèles,
etc.

Powerpoint Templates
Page 19
 Application(3/3)
• Problème du sac à
dos. Les fourmis en
nombre limité
privilégient la goutte
de miel, en plus petite
quantité mais plus
intéressante que l'eau
sucrée, plus
abondante mais
moins nutritive.

Powerpoint Templates
Page 20
Algorithme de fourmis

Répéter
Sélectionne aléatoire de n fourmis sur n ville
Pour ide 1 a k faire
Pour j de 1 a n faire
Choisir le ville suivant en appliquant les
règles de choix
Fin pour
Fin pour
Mise ajour de la piste phénomènes jusqu’à
condition de fin

Powerpoint Templates
• Page 21
 Conclusion

• D’une façon très générale, les algorithmes de

colonies de fourmis sont considérés comme
des méta heuristiques à population, où
chaque solution est représentée par une
fourmi se déplaçant sur l’espace de
recherche.
• Les fourmis marquent les meilleures
solutions, et tiennent compte des marquages
précédents pour optimiser leur recherche.

Powerpoint Templates
Page 22
• Merci pour votre attention

Powerpoint Templates
Page 23