RESUME : Durant ces dernières années, plusieurs métaheuristiques ont prouvé leur efficacité pour la résolution de cours de ces vingt dernières années
Previous PDF | Next PDF |
[PDF] Métaheuristiques - GERAD
Une métaheuristique est un algorithme d'optimisation visant à résoudre des problèmes d'opti- misation On peut modifier les poids wi au cours de l' algorithme
[PDF] Introduction aux métaheuristiques - GERAD
▻ Les matheuristiques sont l'objet du cours du 13 mars MTH6311: Introduction aux métaheuristiques 9/25 Page 10 1/2
[PDF] LES METAHEURISTIQUES€:
RESUME : Durant ces dernières années, plusieurs métaheuristiques ont prouvé leur efficacité pour la résolution de cours de ces vingt dernières années
[PDF] Metaheuristiques et optimisation combinatoire - eCursus - Université
13 fév 2019 · Métaheuris- tiques Problèmes d'optimisation Heuristiques Métaheuristiques Algorithmes évolution- naires Optimisation multi- Objectifs 3/33
[PDF] Métaheuristiques - TEL archives ouvertes
Métaheuristiques : stratégies pour l'optimisation de la production de biens et de services Activités pédagogiques Encadrements et supports de cours
[PDF] Métaheuristiques pour loptimisation combinatoire Plan du cours
– mimétisme – heuristique – méta heuristique – minimum local / global – méthodes (in)complètes – codage solution – landscape – structure de voisinage –
[PDF] Métaheuristiques - LISIC
12 oct 2012 · Aléatoirement Construction de solution (pas dans ce cours) Méthodes exactes ( pas dans ce cours) ou Sébastien Verel Métaheuristiques
[PDF] Les méthodes de résolution approchées pour le - Cedric-Cnam
La métaheuristique Variable Neihborhood Descent (VND) La métaheuristique Variable Neihborhood Search (VNS) La métaheuristique Tabou Amélie Lambert
Métaheuristiques hybrides pour la résolution du - Archipel UQAM
Les métaheuristiques représentent alors une alternative intéressante pour trouver une solution de qualité acceptable dans des délais très courts Toutefois, il est
[PDF] méthodes métaheuristiques
[PDF] algorithme heuristique pdf
[PDF] généralités sur les systèmes automatisés de production
[PDF] différence entre heuristique et métaheuristique
[PDF] structure fonctionnelle d'un système automatisé
[PDF] méthodes heuristiques d'optimisation
[PDF] définition d'un système automatisé de production
[PDF] méthodes heuristiques et métaheuristique d'optimisation
[PDF] méthode heuristique optimisation
[PDF] système automatisé de production sap
[PDF] les métaheuristiques en optimisation combinatoire
[PDF] système automatisé de production pdf
[PDF] système automatisé de production ppt
[PDF] cours aide soignante module 1 pdf
3 e
Conférence Francophone de MOdélisation et SIMulation "Conception, Analyse et Gestion des Systèmes Industriels"
MOSIM'01 - du 25 au 27 avril 2001 - Troyes (France)LES METAHEURISTIQUES :
DES OUTILS PERFORMANTS POUR LES PROBLEMES INDUSTRIELSMarino WIDMER
Université de Fribourg
Département d'informatique
Rue Faucigny 2
CH - 1700 Fribourg (Suisse)
Mél : marino.widmer@unifr.ch
RESUME : Durant ces dernières années, plusieurs métaheuristiques ont prouvé leur efficacité pour la résolution de
problèmes combinatoires, ensemble auquel appartiennent plusieurs problèmes industriels. Ce papier se concentre sur
la description des trois classes principales de métaheuristiques, à savoir les méthodes constructives, celles dites de
recherche locale (comme le recuit simulé, les méthodes d'acceptation à seuil et la méthode tabou) et celles considérées
comme évolutives (comme les algorithmes génétiques, la méthode de recherche distribuée et l'algorithme de la fourmi).
Une réflexion sur l'approche hybride (combinaison de diverses métaheuristiques) est également menée en fin de ce
papier.MOTS-CLES : Métaheuristiques, méthodes constructives, méthodes de recherche locale, méthodes évolutives.
1. INTRODUCTION
Si les problèmes d'organisation industrielle sont la plu- part du temps relativement simples à énoncer, il ne faut en aucun cas sous-estimer l'effort nécessaire pour leur trouver une solution (Widmer, 1998). Ces problèmes font souvent partie des problèmes d'optimisation combina- toire pour lesquels, dans la majorité des cas, il est très difficile de trouver la solution optimale; en effet, à quel- ques exceptions près, la seule méthode connue pour résoudre le problème de manière exacte serait de faire une énumération complète de toutes les solutions possi- bles ! Les spécialistes parlent dans ce cas de problème NP-complet (Carlier et Chrétienne, 1988), (Garey et Johnson, 1979). Ainsi, dans ces conditions, il est néces- saire de trouver un mode de résolution qui fournisse une solution de bonne qualité dans un laps de temps raison- nable : c'est ce que font les méthodes heuristiques. Ce papier se concentre sur la description des trois classes principales d'heuristiques, à savoir les méthodes cons- tructives, celles dites de recherche locale et celles consi- dérées comme évolutives (Costa, 1995). Ces méthodes étant suffisamment générales pour être appliquées à plusieurs catégories de problèmes d'optimisation combi- natoire, elles portent le nom de métaheuristiques. La structure de ce papier s'articule comme suit : le para- graphe 2 décrit brièvement et de manière générale ce que sont les problèmes d'optimisation combinatoire ainsi que les difficultés rencontrées lors de la résolution de cesderniers. Le paragraphe suivant offre une présentationrelativement complète des principales métaheuristiques
qui sont le plus couramment utilisées aujourd'hui.2. L'OPTIMISATION COMBINATOIRE
L'optimisation combinatoire est le domaine des mathé- matiques discrètes qui traite de la résolution du problème suivant : Soit X un ensemble de solutions admissibles. Soit f une fonction permettant d'évaluer chaque solution admissible. Il s'agit de déterminer une solution s* appartenant à X qui minimise f. L'ensemble X des solutions admissibles est supposé fini et est en géné- ral défini par un ensemble C de contraintes. Malgré l'évolution permanente des calculateurs et les progrès fulgurants de l'informatique, il existera certai- nement toujours, pour un problème (P) difficile, une taille critique de X au-dessus de laquelle même une énu- mération partielle des solutions admissibles devient pro- hibitive. Compte tenu de ces difficultés, la plupart des spécialistes de l'optimisation combinatoire ont orienté leur recherche vers le développement de méthodes heu- ristiques. Une méthode heuristique est souvent définie comme une procédure exploitant au mieux la structure du problème considéré, dans le but de trouver une solution de qualité raisonnable en un temps de calcul aussi faible que possible (Nicholson, 1971). Bien que l'obtention d'une solution optimale ne soit pas garantie, l'utilisation d'une méthode heuristique offre de multiples avantages par rapport à une méthode exacte : MOSIM'01 - du 25 au 27 avril 2001 - Troyes (France) - La recherche d'une solution optimale peut être totale- ment inappropriée dans certaines applications pratiques en raison de la dimension du problème, de la dynami- que qui caractérise l'environnement de travail, du man- que de précision dans la récolte des données, de la dif- ficulté de formuler les contraintes en termes explicites ou de la présence d'objectifs contradictoires. - Lorsqu'elle est applicable, une méthode exacte est souvent beaucoup plus lente qu'une méthode heuristi- que, ce qui engendre des coûts informatiques supplé- mentaires et des difficultés au niveau du temps de ré- ponse. - Les principes de recherche qui sont à la base d'une méthode heuristique sont en général plus accessibles aux utilisateurs non expérimentés. Le manque de trans- parence qui caractérise certaines méthodes exactes né- cessite une intervention régulière de la part d'un spé- cialiste voire même du concepteur de la méthode. - Une méthode heuristique peut être facilement adaptée ou combinée avec d'autres types de méthodes. Cette flexibilité augmente considérablement les possibilités d'utilisation des méthodes heuristiques. Dans la suite de ce papier, trois approches fondamenta- lement différentes qui ont déjà été appliquées avec suc- cès ces dernières années sont présentées. Les principes de recherche qui en découlent sont à la base de nombreu- ses méthodes heuristiques connues telles que l'algorith- me glouton, la méthode tabou, le recuit simulé, les algo- rithmes génétiques. Très générales dans leurs concepts, ces méthodes nécessitent toutefois un effort de modélisa- tion important si l'on souhaite en tirer de bons résultats.3. LES METAHEURISTIQUES
3.1. L'approche constructive
Les méthodes constructives produisent des solutions admissibles en partant d'une solution initiale vide et en insérant, à chaque étape, une composante dans la solution partielle courante. Cette décision n'est jamais remise en question par la suite.Figure 1. La tournée du voyageur de commerce
Maison M C2
C1 C3 C4 C5 C6 Pour illustrer ce type de méthodes, il suffit d'imaginer un voyageur de commerce qui doit rendre visite à un en-semble de n clients. Il peut construire sa tournée de lamanière suivante : en partant de chez lui, il va chez le
client le plus proche (disons C1). En quittant C1, il va chez le client le proche de C1 qu'il n'a pas encore ren- contré, en ainsi de suite jusqu'à qu'il ait rendu visite à tous ces clients. En quittant le dernier client (disons Cn), il rentre chez lui. Il a ainsi construit la tournée " M - C1 -