Methode D Analyse D Algorithmes D Optimisation Stochastiques A L Aide D Algorithmes Genetiques
Download Methode D Analyse D Algorithmes D Optimisation Stochastiques A L Aide D Algorithmes Genetiques PDF/ePub or read online books in Mobi eBooks. Click Download or Read Online button to get Methode D Analyse D Algorithmes D Optimisation Stochastiques A L Aide D Algorithmes Genetiques book now. This website allows unlimited access to, at the time of writing, more than 1.5 million titles, including hundreds of thousands of titles in various foreign languages.
Méthode d'analyse d'algorithmes d'optimisation stochastiques à l'aide d'algorithmes génétiques
DANS NOTRE VIE QUOTIDIENNE NOUS RENCONTRONS CONSTAMMENT DES PROBLEMES D'OPTIMISATION COMBINATOIRE. TOUS CES PROBLEMES NECESSITENT LA RECHERCHE D'UNE SOLUTION OPTIMALE SELON UN CRITERE DONNE, PAR EXEMPLE MINIMISER UN COUT OU MAXIMISER UN PROFIT. SI LE PROBLEME D'OPTIMISATION DEVIENT TROP COMPLEXE, ET INTERDIT UNE RECHERCHE EXHAUSTIVE, ON UTILISE ALORS UN ALGORITHME QUI DONNE UNE SOLUTION APPROCHEE: UNE HEURISTIQUE. NOUS NOUS INTERESSONS PLUS PARTICULIEREMENT AUX HEURISTIQUES ALEATOIRES, QUI FONT UNE RECHERCHE GUIDEE PAR DES PROCESSUS STOCHASTIQUES. L'ANALYSE ET LA COMPARAISON DE L'EFFICACITE DE TELLES HEURISTIQUES (MESUREE PAR LA PERFORMANCE MOYENNE) EST PARTICULIEREMENT DIFFICILE, CAR CHACUNE POSSEDE PLUSIEURS PARAMETRES DE CONTROLE DONT LE REGLAGE PEUT AVOIR UNE GRANDE INFLUENCE SUR SON EFFICACITE. D'AUTANT PLUS QUE L'EFFICACITE DES HEURISTIQUES ALEATOIRES EST TRES DIFFICILE A MESURER DU FAIT DE LEURS PERFORMANCES VARIABLES D'UNE EXECUTION A L'AUTRE. DANS CETTE THESE NOUS PROPOSONS UN NOUVEL OUTIL POUR LE REGLAGE DE CES PARAMETRES DE CONTROLE: HARPE (HYPER-ALGORITHME DE RECHERCHE DES PARAMETRES DE CONTROLE). CELUI-CI EST FONDE SUR L'EMPLOI D'UN ALGORITHME GENETIQUE. EN EFFET, L'UTILISATION DES ALGORITHMES GENETIQUES DANS CE CADRE EST PARTICULIEREMENT BIEN ADAPTE, CAR ILS PEUVENT ETRE UTILISES DIRECTEMENT POUR L'OPTIMISATION DE FONCTIONS NON-DETERMINISTES. CETTE APPROCHE NOUS A PERMIS NOTAMMENT DE RETROUVER, POUR LE RECUIT SIMULE, DE MANIERE RAPIDE ET AUTOMATIQUE, DE BONS REGLAGES DES PARAMETRES DE CONTROLE, QUI AVAIENT ETE DECOUVERT AU FIL DES ANNEES DE MANIERE EMPIRIQUE. DE PLUS, HARPE NOUS A PERMIS D'ANALYSER LES MECANISMES MEMES DES ALGORITHMES D'OPTIMISATION ETUDIES: EVALUATION DE L'EFFICACITE DES DIFFERENTES COMPOSANTES DE L'ALGORITHME, PAR EXEMPLE. UNE AUTRE ORIGINALITE DE CE TRAVAIL CONSISTE EN UNE IMPLEMENTATION PARALLELE DE HARPE SUR UN RESEAU TRES HETEROGENE DE STATIONS DE TRAVAIL.
Hybrid Metaheuristics
The main goal of this book is to provide a state of the art of hybrid metaheuristics. The book provides a complete background that enables readers to design and implement hybrid metaheuristics to solve complex optimization problems (continuous/discrete, mono-objective/multi-objective, optimization under uncertainty) in a diverse range of application domains. Readers learn to solve large scale problems quickly and efficiently combining metaheuristics with complementary metaheuristics, mathematical programming, constraint programming and machine learning. Numerous real-world examples of problems and solutions demonstrate how hybrid metaheuristics are applied in such fields as networks, logistics and transportation, bio-medical, engineering design, scheduling.
Metaheuristics
Author: El-Ghazali Talbi
language: en
Publisher: John Wiley & Sons
Release Date: 2009-05-27
A unified view of metaheuristics This book provides a complete background on metaheuristics and shows readers how to design and implement efficient algorithms to solve complex optimization problems across a diverse range of applications, from networking and bioinformatics to engineering design, routing, and scheduling. It presents the main design questions for all families of metaheuristics and clearly illustrates how to implement the algorithms under a software framework to reuse both the design and code. Throughout the book, the key search components of metaheuristics are considered as a toolbox for: Designing efficient metaheuristics (e.g. local search, tabu search, simulated annealing, evolutionary algorithms, particle swarm optimization, scatter search, ant colonies, bee colonies, artificial immune systems) for optimization problems Designing efficient metaheuristics for multi-objective optimization problems Designing hybrid, parallel, and distributed metaheuristics Implementing metaheuristics on sequential and parallel machines Using many case studies and treating design and implementation independently, this book gives readers the skills necessary to solve large-scale optimization problems quickly and efficiently. It is a valuable reference for practicing engineers and researchers from diverse areas dealing with optimization or machine learning; and graduate students in computer science, operations research, control, engineering, business and management, and applied mathematics.