| Titre : | Optimisation des algorithmes évolutionnaires par hybridation pour la résolution des problèmes multi-objectifs |
| Auteurs : | Noureddine Boukhari, Auteur ; Debbat, Fatima, Directeur de thèse |
| Type de document : | texte manuscrit |
| Editeur : | Université mustapha stambouli de Mascara:Faculté des sciences exactes, 2021 |
| ISBN/ISSN/EAN : | SE01131T |
| Format : | 160P. / couv. ill.en noir / 29 cm. |
| Accompagnement : | disque optique numérique (CD-ROM) |
| Langues: | Français |
| Résumé : |
finance « portfolio » en utilisant une approche classique d’agrégation à deux objectives, ce qui à donner des résultats meilleurs par rapport à des algorithmes évolutionnaires multi-objectifs en termes de qualité de solutions générer dans le front de Pareto. La deuxième contribution concerne le couplage d’algorithme d’évolution différentielle multi-objectif MODE avec la méthode d’apprentissage par opposition OBL, cette nouvelle méthode a un avantage par rapport à la première contribution en raison des limites des méthodes classiques basé sur l’agrégation des objectives dans la recherche des ensembles Pareto-optimaux pour des problèmes difficiles avec des espaces de solutions non convexes et discontinus, ce qui nécessite plusieurs exécutions pour produire des solutions alternatives pour chaque objectif. Cet avantage réside aussi au niveau d’une énorme minimisation de temps de calcul, du fait que la deuxième contribution utilisée qui appartient à la classe de l’approche postériori « MOEA » basé sur la dominance de Pareto pour la résolution de problèmes du monde réel en raison de la haute complexité informatique. L’approche posteriori permet de générer l’ensemble de front optimal par une seule exécution en recherchant simultanément différentes régions d'un espace de solution pour plus de deux objectifs. Le concept de l’apprentissage par opposition OBL est intégrée d’abord à l’initialisation de la population de MODE afin d’orienter la recherche vers des zones de solutions non-dominées et prometteuses. La deuxième phase de l’approche proposée est également hybridée avec la recherche par opposition pour agir comme une forme de recherche locale qui contribue à améliorer les capacités d'exploitation de l’algorithme global. Les résultats expérimentaux montrent que notre algorithme MODE-OBL est capable d'améliorer la vitesse de convergence et de générer des solutions qui se rapprochent du meilleur front de Pareto pour la majorité des Benchmarks en comparaison avec les algorithmes de l’état de l’art en dépit de l’augmentation de dimensionnalité et du nombre de fonction d’objectif. En outre, MODE-OBL peut être recommandé pour résoudre des problèmes multimodaux ainsi que des problèmes avec des ensembles compliqués Pareto comme vu de ses performances d’optimisation supérieure dans de tels types de problèmes par rapport aux autres algorithmes dans cette étude. Perspectives Certes les méthodes présentées dans cette thèse ont donné des résultats remarquables et pertinent mais la recherche continue ! Sur la base des travaux de recherche menés dans cette thèse, certaines directions de recherche possibles qui méritent des investigations futures sont recommandées ici. Premièrement, des travaux supplémentaires peuvent être effectués pour examiner l'auto-adaptation de la taille de la population dans les algorithmes proposés dans cette thèse. De plus, si la population peut être adaptée à des paramètres optimaux tout au long du processus évolutif, cela peut conduire à la génération de meilleurs individus qui, à leur tour, entraîneront de meilleures performances d'optimisation. Nous proposons d’hybrider dans le futur d’autres algorithmes heuristiques notamment les algorithmes de l’intelligence en essaim. Nous comptons travailler sur des problèmes multi-objectifs plus complexes pour bien améliorer les limites de nos méthodes. Nous envisageons généraliser l’approche proposée pour d’autres problèmes académiques et réels avec introduction du parallélisme à plusieurs niveaux. Ceci va améliorer considérablement le temps de calcule et la qualité des solutions pour les décideurs. |
Exemplaires (1)
| Code-barres | Cote | Support | Localisation | Section | Disponibilité |
|---|---|---|---|---|---|
| SE01131T | INF344 | Livre audio | Bibliothèque des Sciences Exactes | 6-Thèses doctorat | Consultation sur place Exclu du prêt |
Aucun avis, veuillez vous identifier pour ajouter le vôtre !
Accueil
