Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Chapitre 4 cours tia Chapitre IV Technique d ? Optimisation par Essaims de Particules PSO Chapitre IV Technique d ? Optimisation par Essaims de Particules PSO IV Dé ?nitions de Base En règle générale on ne conna? t pas toujours de méthode exacte pour trou

Chapitre IV Technique d ? Optimisation par Essaims de Particules PSO Chapitre IV Technique d ? Optimisation par Essaims de Particules PSO IV Dé ?nitions de Base En règle générale on ne conna? t pas toujours de méthode exacte pour trouver la solution d ? un problème d ? optimisation en recherche opérationnelle Dans ce cas on peut d ? abord tenter de voir si le problème que l ? on étudie n ? a pas de problème équivalent qui a déjà été résolu Si l ? on n ? a toujours pas trouvé de méthode de résolution alors on utilise ce que l ? on appelle une heuristique c ? est-à-dire un algorithme qui donne une solution approchée Ces algorithmes sont assez intuitifs ou simples On les déduits gr? ce à des observations et en faisant preuve de bon sens Leur principe consiste souvent à explorer un certain nombre de solutions et de mémoriser la meilleure Ils peuvent faire intervenir le hasard cela permet de balayer un plus grand nombre de solution éventuelle mais il faut les exécuter plusieurs fois pour tendre au mieux vers la solution optimale Certaines heuristiques sont classées parmi les métaheuristiques Ce sont des algorithmes dont le principe peut être réutilisé pour traiter di ?érents problèmes d ? optimisation Ce sont des principes génériques que l ? on adapte selon le besoin La plus utilisé des heuristiques et la plus simple est la descente stochastique Voici son fonctionnement dans le cas d ? un problème de minimisation on choisit une solution initiale on sélectionne au hasard un de ses voisins ? Si la valeur de la fonction objectif pour cette nouvelle solution est plus petite alors on prend ce nouveau point comme point de référence et on observe ses voisins ? Sinon on recherche un autre voisin On s ? arrête quand on se rend compte que l ? on ne trouve plus de meilleure solution IV Optimisation par Essaim de Particules PSO IV Origines Cours Techniques de l ? Intelligence Arti ?cielle Dr BEKAKRA Youcef CChapitre IV Technique d ? Optimisation par Essaims de Particules PSO L ? optimisation par essaim de particules est une méthode née en aux Etats Unis sous le nom de Particle Swarm Optimization PSO Initialement ses deux concepteurs Russel Eberhart et James Kennedy cherchaient à modéliser des interactions sociales entre des agents ? devant atteindre un objectif donné dans un espace de recherche commun chaque agent ayant une certaine capacité de mémorisation et de traitement de l ? information La règle de base était qu ? il ne devait y avoir aucun chef d ? orchestre ni même aucune connaissance par les agents de l ? ensemble des informations seulement des connaissances locales Un modèle simple fut alors élaboré IV Principe de la Technique PSO Cette méthode est inspirée du comportement social des animaux évoluant en essaim L ? exemple le plus souvent utilisé est le comportement des nuées d ? oiseaux et des bancs de poissons Figure IV