Académique Documents
Professionnel Documents
Culture Documents
Cours Metaheuri
Cours Metaheuri
Pr Debbat Fatima
Université de Mascara
Plan
Introduction
Les problèmes d’optimisation
Panorama sur les méthodes de résolution
Introduction
• Importance croissante des problèmes d’optimisation
▫ De nombreux secteurs y sont confrontés
Conception de systèmes mécaniques
Traitement d’images
Électronique
Conception de réseaux mobiles
Problèmes de tournées de véhicules
…
développement de nombreuses méthodes de
résolution
Introduction
4
Durée de l'image,
Contrainte d'angle d'acquisition
Espace de
recherche Paramètre
Fonction à
d’optimisation
optimiser
Contraintes de domaines
Problème d’optimisation
Paysage de Fitness et Rugosité
Plat
lisse
Vallée
lisse
Plat
rugueux
Vallée
rugueuse
Problème d’optimisation
Classification des algorithmes d’optimisation
▫ Variable suivant le point de vue considéré
▫ Algorithmes déterministes / algorithmes stochastiques
▫ Algorithmes de recherche locale / algo. de recherche globale
▫ Algorithmes d ’optimisation locale / algo. d’optimisation globale
Algorithmes d’optimisation locale
▫ Tout algorithme piégé par le premier optimum rencontré;
▫ ne permettant pas d’obtenir une solution proche de l’optimum
global.
Algorithmes d ’optimisation globale
▫ Tout algorithme qui n’est pas sensible aux minima locaux;
▫ algorithme permettant d ’obtenir une solution proche de
l’optimum global
Méthodes d’optimisation
Exemple :
Le recuit simulé
La recherche taboue
…
Principes des métaheuristiques
Classification
Méthodes à recherche locale : performence
Théorique
Pratique
Exemples:
….
Classification
Il existe un très grand nombre d’autres métaheuristiques, plus ou moins
connues :
l’algorithme du Kangourou ,
la méthode de Fletcher et Powell,
la méthode de bruitage,
la tunnelisation stochastique,
la méthode de Fusion & Fission,
la méthode de l’entropie croisée,
l’algorithme HBMO
…
Classification
Chronologie des
principales
métaheuristiques
Principes des métaheuristiques
Les groupements naturels sont des sources en or pour le développement de
nouvelles métaheuristiques
Évaluation des MétaHeuristiques
Le problème n’est pas tellement de générer une
solution, mais de connaître sa qualité
▫ Optimisation multi-objectif
Problèmes nécessitant la considération de plusieurs objectifs
▫ Méthodes hybrides
Combiner des métaheuristiques complémentaires
▫ Optimisation multimodale
Détermination d’un jeu de solutions optimales
▫ Parallélisation
Traitement de problèmes de grande taille
A B C
Individus
Distribution
ABCDEF
D E F
Principes des métaheuristiques
• Choix d’une métaheuristique
▫ Étant donné un problème d’optimisation, comment
choisir une méthode efficace ?
Capable de produire une solution « optimale » ou acceptable;
avec un temps de calcul raisonnable
▫ Sujet ouvert
Pas de « recette miracle » : pas de règles
pour le choix d’une métaheuristique;
ni pour le réglage optimal des paramètres d’une métaheuristique
Méthodes de résolution
• algorithmes exacts
• relaxation
• Tabou (très bon résultats)
• génétiques spécialisés
• algorithme hybride “simplex + tabou”
Résultats
• L’algorithme hybride fournit les meilleurs résultats pour
l’ensemble des benchmarks les plus difficiles.
Exemples d'application
Affectation de fréquences dans les réseaux radio-mobiles
Résolution du Problème de
Clustering par l’algorithme API
Algorithme de
colonies de
fourmis
Algorithme de
colonies de
fourmis
Conclusions sur les métaheuristiques
Atouts
générales et applicables à une très large classe de problèmes
possibilité de compromis entre le temps de calcul et la qualité de
solution
possibilité d'intégrer des connaissances spécifiques du problème
domaines d'application privilégiés : problèmes combinatoires de
grande taille
"Inconvénients"
optimum global non garanti
adaptation souvent indispensable
difficulté de prévoir la performance (qualité et temps)
Performance
théorique: preuve de convergence dans certains cas, non
utilisable en pratique
pratique : dépend de l'adaptation au problème (codage du
problème, connaissances spécifiques, traitement de contraintes,
structures de données...)
Perspectives:
Systèmes de résolution génériques fondés sur les
métaheuristiques
Merci pour votre attention