ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Auteurs : soumettez
votre article en ligne

APPEL À
CONTRIBUTION

Le comité de rédaction du JESA lance un appel à proposition de numéros spéciaux.

En savoir plus >>
Autres revues >>

Journal Européen des Systèmes Automatisés

1269-6935
Revues des Systèmes
 

 ARTICLE VOL 42/1 - 2008  - pp.9-30  - doi:10.3166/jesa.42.9-30
TITRE
Métaheuristiques d'optimisation vues sous l'angle de l'échantillonnage de distribution

RÉSUMÉ
Les métaheuristiques à population forment aujourd'hui la majorité des algorithmes utilisés pour des problèmes d'optimisation difficile. On présente souvent ces méthodes en insistant sur les métaphores qui ont mené à leur conception. Nous proposons ici de considérer les métaheuristiques à population comme des méthodes faisant évoluer un échantillonnage probabiliste de la fonction objectif, via des processus d'apprentissage, de diversification et d'intensification. Après une description de quelques métaheuristiques, nous en présentons une synthèse vue sous cet angle. Nous concluons enfin sur l'idée que le coeur des différences entre métaheuristiques se situe au niveau de la façon d'échantillonner une distribution de probabilité, que ce soit explicitement, implicitement ou directement. La mise en avant de ces caractéristiques devrait permettre de faciliter la conception de nouvelles métaheuristiques.


ABSTRACT
Population metaheuristics form today the majority of the algorithms used for hard optimization problems. One often presents these methods by insisting on the metaphors which led to their design. We suggest in this article considering population metaheuristics as methods developing a probabilistic sampling of the objective function via processes of learning, diversification and intensification. After a description of some metaheuristics, we present a synthesis of their functioning seen under this angle. We finally conclude on the idea that the heart of differences between metaheuristics is situated at the level of the way of sampling a distribution of probability, whether it is explicitly, implicitly or directly. The advance of these characteristics should allow to facilitate the conception of new metaheuristics.


AUTEUR(S)
Johann DRÉO, Patrick SIARRY

MOTS-CLÉS
métaheuristiques, algorithmes évolutionnaires, recuit simulé, algorithmes de colonies de fourmis, optimisation, apprentissage, échantillonnage, distribution de probabilité.

KEYWORDS
metaheuristics, evolutionary computation, simulated annealing, ant colony optimization, optimization, learning, sampling, probability density function.

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 7.5 €
• Non abonné : 15.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (528 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier