7/56 Thèse - 13/12/2004 Algorithmes de colonies de fourmis : ACO Dépôt de piste Evaporation Départ dans une des villes Choisir une ville en fonction de :
Previous PDF | Next PDF |
[PDF] Conception dun algorithme de colonie de fourmis pour l
1 Etat de l'art des algorithmes de colonies de fourmis pour l'optimisation utilisant une fonction de densité de probabilité multi-normale (PDF) comme méthode
[PDF] Optimisation par colonies de fourmis
19 mai 2006 · 3 Voyageur de commerce : Algorithme Ant System (AS) En observant une colonie de fourmis à la recherche de nourriture dans les environs
[PDF] Adaptation de la méthode des colonies de fourmis pour l
7/56 Thèse - 13/12/2004 Algorithmes de colonies de fourmis : ACO Dépôt de piste Evaporation Départ dans une des villes Choisir une ville en fonction de :
[PDF] Les algorithmes fourmis - Département dinformatique et de
Algorithmes ACO (Ant Colony Optimization) : Méthodes d'approximations (pas LA meilleure solution), Stochastiques (aléatoires), Distribuées Algorithmes :
[PDF] Optimisation par colonies de fourmis
Comportement des fourmis b Fourmis réelles et virtuelles c Principe de l' algorithme d Intensification et diversification 3 Une illustration : Voyageur de
[PDF] Application dun algorithme hybride à colonies de fourmis au
Parmi ces adaptations, on trouve des méta-heuristiques, telles Page 36 24 que l 'algorithme à colonie de fourmis, le recuit simulé, les algorithmes génétiques et la
[PDF] Optimisation par colonie de fourmis - LISIC
23 avr 2009 · Les algorithmes de contrôle et d'optimisation d'optimisation par colonie de fourmis (Ant Lorsqu'une colonie de fourmis d'Argentine doit
[PDF] THESE Application des algorithmes de colonies de fourmis pour l
3 4 9 Formalisation et propriétés d'un algorithme de colonie de fourmis Parmi ces méthodes, les algorithmes de colonies de fourmis qui forment une classe
[PDF] Optimisation par colonies de fourmis pour le problème du sac à dos
On compare enfin l'algorithme ACO proposé avec d'autres ap- proches ABSTRACT We propose an algorithm based on the Ant Colony Optimization ( ACO) meta-
[PDF] Lapplication des algorithmes de colonies de fourmis pour le
30 août 2013 · Ces modules sont basés sur trois algorithmes de colonie de fourmis qui sont AntTreeStoch, Lumer Faieta et Binay ant colony
[PDF] fourmi reine
[PDF] structures des sociétés animales
[PDF] sur l'altiport de la station de ski se trouve une manche a air
[PDF] les produits de nettoyage et d'entretien
[PDF] business plan entreprise de nettoyage pdf
[PDF] planning nettoyage excel
[PDF] vocabulaire pour décrire un monstre
[PDF] les différents types de produits d'entretien
[PDF] technique de nettoyage des locaux pdf
[PDF] fourniture scolaire seconde pro gestion administration 2017 2018
[PDF] liste de fourniture scolaire seconde générale 2017-2018
[PDF] liste de fourniture scolaire 2nde gestion administration
[PDF] dictionnaire tahitien pdf
[PDF] expression tahitienne
Johann Dréo1/56Thèse - 13/12/2004
Adaptation de la méthode des colonies de fourmis pour l'optimisation en variables continues.Application en génie biomédical
Johann Dréo2/56Thèse - 13/12/2004
PlanIntroduction
Optimisation
Métaheuristiques
État de l'art
Programmation à mémoire adaptative
Algorithmes de colonies de fourmis
Auto-organisation
Contributions
Multi-agents
Estimation de distribution
Application : recalage d'images
Conclusion & perspectives
Johann Dréo3/56Thèse - 13/12/2004
Optimisation difficile
Heuristiques
Méta-heuristiques
Johann Dréo4/56Thèse - 13/12/2004
Métaheuristiques
Recuit Simulé
(SA)Recherche Tabou
(TS)Algorithmes Génétiques
(GA)Algorithmes à estimation de distribution
(EDA)Colonies de fourmis
(ACO)Essaims Particulaires
(PSO)Evolution Différentielle
(DE)Biologie
Johann Dréo5/56Thèse - 13/12/2004
PlanIntroduction
Optimisation
Métaheuristiques
État de l'art
Programmation à mémoire adaptative
Algorithmes de colonies de fourmis
Auto-organisation
Contributions
Multi-agents
Estimation de distribution
Application : recalage d'images
Conclusion & perspectives
Johann Dréo6/56Thèse - 13/12/2004
Programmation à mémoire adaptative
Johann Dréo7/56Thèse - 13/12/2004
Algorithmes de colonies de fourmis : ACO
Dépôt de piste Evaporation
Départ dans une des villes
Choisir une ville en fonction de :
- distance - quantité de phéromone Dorigo & al., 1991Distributed Optimization by Ant ColoniesProceedings of ECAL91, 134-142
Pour chaque ville
Johann Dréo8/56Thèse - 13/12/2004
ACOCommunication Indirecte : dépôt de piste
Programmation à mémoire adaptative
Intelligence en essaim
Construction probabiliste des solutions
Problèmes Combinatoires
Johann Dréo9/56Thèse - 13/12/2004
Probabiliste
Multi-agents
Colonies de fourmis pour l'optimisation
continue CACO (1997) API (2000)Ling et al.
(2002) Socha (2004) CACS (2004)Johann Dréo10/56Thèse - 13/12/2004
CACO & API : multi-agents
Wodrich & Bilchev, 1997The Ant Colony Metaphor for SearchingContinuous Design Spaces
Lecture Notes in Computer Science, 993, 25-39
NidMonmarché et al., 2000
On how Pachycondyla apicalis ants
suggest a new search algorithmFuture Generation Computer Systems
16:937-946
Johann Dréo11/56Thèse - 13/12/2004
ACO continue & CACS : probabilistes
Somme pondérée de
distributions normalesSocha, 2004ACO for Continuous and Mixed-
Variable Optimization
Lecture Notes in Computer Science
3172:25--36
Pourtakdoust & Nobahari, 2004An Extension of Ant Colony System to ContinuousProblems
Lecture Notes in Computer Science
3172:294-301
Johann Dréo12/56Thèse - 13/12/2004
Sélection
Reproduction
Mühlenbein & Paaß, 1996
From recombination of genes to the estimation of distributionLecture Notes in Computer Science, 1996
Algorithmes à estimation de distribution : EDA
Johann Dréo13/56Thèse - 13/12/2004
EDA pour l'optimisation
continueDistribution normale
Johann Dréo14/56Thèse - 13/12/2004
PlanIntroduction
Optimisation
Métaheuristiques
État de l'art
Programmation à mémoire adaptative
Algorithmes de colonies de fourmis
Auto-organisation
Contributions
Multi-agents
Estimation de distribution
Application : recalage d'images
Conclusion & perspectives
Johann Dréo15/56Thèse - 13/12/2004
Plan : algorithmes
Johann Dréo16/56Thèse - 13/12/2004
Plan : problèmes
Johann Dréo17/56Thèse - 13/12/2004
Plan : algorithmes
Johann Dréo18/56Thèse - 13/12/2004
Auto-organisation : bases
Composants
simplesSystème
complexe (interactions)Rétroactions :
Flux d'informations :
Émergence
Positives
Amplification
Négatives
Stabilisation
Signaux
Indices
Johann Dréo19/56Thèse - 13/12/2004
Auto-organisation & métaheuristiques
IntensificationDiversification
BUTProgrammation
mémoire adaptative :Auto-organisation :
RétroactionsCommunication
MOYENÉmergence
Johann Dréo20/56Thèse - 13/12/2004
Hétérarchie
Dense Heterarchy and mass communication as the basis of organization in ant colonies.Trends in Ecology and Evolution, 3:65-68
HiérarchieHétérarchie
Johann Dréo21/56Thèse - 13/12/2004
Canaux de communication
CanauxInformations
PropriétésNourriture
Défense
Pistes
Trophallaxies
Indirecte
Mémoire
Modifiée
Johann Dréo22/56Thèse - 13/12/2004
CIACPistes de phéromone
Recrutement direct
" Continuous Interacting Ant Colony »2 canaux
Dréo &
Siarry
, 2004 Continuous Interacting Ant Colony Algorithm Based on Dense HeterarchyFuture Generation Computer Systems
20/5:841-856
Johann Dréo23/56Thèse - 13/12/2004
CIAC : canal indirect
Spots de phéromone
Dépôt
Zone de perception
Centre de gravité pondéré
Niveau Global
Johann Dréo24/56Thèse - 13/12/2004
CIAC : canal direct
Communication Directe Interindividuelle
Messages
Niveau Local
Informations :
Amélioration fonction objectif
Position région d'intérêt
Johann Dréo25/56Thèse - 13/12/2004
CIAC : synergie canaux de communication
Synergie entre les deux canaux
Régulation de l'importance des canaux
Diversification
Intensification
Johann Dréo26/56Thèse - 13/12/2004
CIAC : résultats
Gourmand en
évaluations
Mauvaise recherche
localeRelativement
flexibleJohann Dréo27/56Thèse - 13/12/2004
HCIACRecherche locale
CIACRéflexion
Expansion
Contraction interne
Contraction externe
Simplexe de Nelder-Mead
Johann Dréo28/56Thèse - 13/12/2004
Fourmi à
l'optimumHybridations simples
Terminale
Algorithme...
Algorithme...
Périodique
Johann Dréo29/56Thèse - 13/12/2004
HCIAC : hybridation décentralisée
Algorithme...
Déclenchement simplex ?
SeuilMotivation
Johann Dréo30/56Thèse - 13/12/2004
HCIAC : oscillations
Auto-adaptation à la fonction :
diversificationintensificationJohann Dréo31/56Thèse - 13/12/2004
HCIAC : résultats
Gourmand en
évaluations
Bonne recherche
locale Bonne précisionEfficace
Johann Dréo32/56Thèse - 13/12/2004
Plan : algorithmes
Johann Dréo33/56Thèse - 13/12/2004
Paramétrage : problème d'optimisation
Métaheuristique
Vitesse
Précision
Pareto optimalité
Indice
intensification diversification 1105Méta-paramétrage
Johann Dréo34/56Thèse - 13/12/2004
Plan : algorithmes
Johann Dréo35/56Thèse - 13/12/2004
Plan : problèmes
Johann Dréo36/56Thèse - 13/12/2004
Optimisation dynamique
Optimisation
RéactifsRéactifs
XModèle
Dynamique
Temps réel
Non stationnaire
Johann Dréo37/56Thèse - 13/12/2004
Optimisation dynamique : classes
T+1 TFormalisation :
Classes de problèmes de base
Benchmark
OPLFOPLSAPLFAPLS
OVPFOVPSAVPFAVPS
ADLSO(P+V)PS
Johann Dréo38/56Thèse - 13/12/2004
Optimisation dynamique : DHCIAC
MémoireIntensification
/ " tracking »Diversification
permanenteDHCIAC
Johann Dréo39/56Thèse - 13/12/2004
DHCIAC recherche locale
Simplex de Nelder-Mead
Réflexion
Expansion
Contraction interne
Contraction externe
Xiong & Jutan, 2003Continuous optimization using a dynamic simplex methodChemical Engineering Science
58/16:3817-3828
Johann Dréo40/56Thèse - 13/12/2004
DHCIAC
DHCIAC
findDHCIAC
track?Simplexe dynamique?Taille initiale : zone visible?Grand nombre de réflexions?Beaucoup de fourmis?Évaporation faible
?Simplexe statique?Variations zone visible?Petit nombre de réflexions?Peu de fourmis?Évaporation élevée?Taille zone visible initiale