Métaheuristiques et applications
-
Upload
johann-dreo -
Category
Technology
-
view
2.357 -
download
0
description
Transcript of Métaheuristiques et applications
![Page 1: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/1.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Metaheuristiques & applications
Johann Dreo
20 septembre 2007
![Page 2: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/2.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 3: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/3.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 4: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/4.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 5: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/5.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 6: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/6.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 7: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/7.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 8: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/8.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 9: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/9.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation : exemple
Description
fonction objectif
f(solution) = qualite
+ contraintes
Exemples
estimation de densite,
classification,
identification,
parametrage,
allocation,
plus court chemin,
etc.
![Page 10: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/10.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Probleme NP-complet
Definition
AlgorithmeNon-deterministe,
resolution Polynomiale.
Algorithme
devine toujours la bonnesolution
Probleme
estimation polynomiale
n1 n2 n3n1 x 10 15n2 10 x 13n3 15 13 x
![Page 11: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/11.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Probleme NP-complet
Definition
AlgorithmeNon-deterministe,
resolution Polynomiale.
Algorithme
devine toujours la bonnesolution
Probleme
estimation polynomiale
n1 n2 n3n1 x 10 15n2 10 x 13n3 15 13 x
![Page 12: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/12.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Probleme NP-complet
Definition
AlgorithmeNon-deterministe,
resolution Polynomiale.
Algorithme
devine toujours la bonnesolution
Probleme
estimation polynomiale
n1 n2 n3n1 x 10 15n2 10 x 13n3 15 13 x
![Page 13: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/13.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Probleme NP-complet
Definition
AlgorithmeNon-deterministe,
resolution Polynomiale.
Algorithme
devine toujours la bonnesolution
Probleme
estimation polynomiale
n1 n2 n3n1 x 10 15n2 10 x 13n3 15 13 x
![Page 14: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/14.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 15: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/15.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Metaheuristiques : definition
Comment ?
algorithmes d’optimisation, haut niveau, generalistes,
iteratifs, souvent stochastiques,
utilisant seulement les solutions, type essais/erreurs.
Pour quoi ?
recherche operationnelle, I.A.,ingenierie,
problemes « difficiles »(NP,optimums locaux,discontinuites, etc.),
combinatoires, continus,
multi-objectifs, stochastiques,etc.
![Page 16: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/16.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Metaheuristiques : definition
Comment ?
algorithmes d’optimisation, haut niveau, generalistes,
iteratifs, souvent stochastiques,
utilisant seulement les solutions, type essais/erreurs.
Pour quoi ?
recherche operationnelle, I.A.,ingenierie,
problemes « difficiles »(NP,optimums locaux,discontinuites, etc.),
combinatoires, continus,
multi-objectifs, stochastiques,etc.
![Page 17: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/17.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Metaheuristiques : definition
Comment ?
algorithmes d’optimisation, haut niveau, generalistes,
iteratifs, souvent stochastiques,
utilisant seulement les solutions, type essais/erreurs.
Pour quoi ?
recherche operationnelle, I.A.,ingenierie,
problemes« difficiles »(optimums locaux,discontinuites, etc.),
combinatoires, continus,
multi-objectifs, stochastiques,etc.
![Page 18: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/18.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Algorithmes evolutionnistes
![Page 19: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/19.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Algorithmes evolutionnistes
![Page 20: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/20.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Algorithmes evolutionnistes
![Page 21: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/21.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 22: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/22.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Comportement general
Convergence
Generalement : au pirecomme une recherchealeatoire,
borne difficile adeterminer,
ergodicite ouquasi-ergodicite.
![Page 23: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/23.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Operateurs
![Page 24: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/24.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Echantillonnage
![Page 25: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/25.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Echantillonnage
Echantillonnage de la fonction objectif
“explicite” : distribution → loi → echantillon,
“implicite” : echantillon → echantillon,
“direct” : fonction objectif → echantillon.
Liens avec l’apprentissage artificiel.
![Page 26: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/26.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Echantillonnage
Echantillonnage de la fonction objectif
“explicite” : distribution → loi → echantillon,
“implicite” : echantillon → echantillon,
“direct” : fonction objectif → echantillon.
Liens avec l’apprentissage artificiel.
![Page 27: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/27.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 28: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/28.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
![Page 29: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/29.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Estimation de distribution
![Page 30: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/30.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 31: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/31.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Recherche a apprentissage adaptatif
Cadre commun
Algorithmes stochastiques,
echantillonnage,
operateurs :
diversification,intensification,apprentissage.
enchaınement iteratif des operateurs.
![Page 32: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/32.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Open Metaheuristics
Framework de conception
C++,
Design par templates,
separation algorithme / problemes / interface decommunication,
sortie XML, ensemble des informations.
Outils de tests
Python, R,
gestion des tests,
graphiques, rapports,
comparaisons.
![Page 33: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/33.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Open Metaheuristics
Framework de conception
C++,
Design par templates,
separation algorithme / problemes / interface decommunication,
sortie XML, ensemble des informations.
Outils de tests
Python, R,
gestion des tests,
graphiques, rapports,
comparaisons.
![Page 34: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/34.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Open Metaheuristics
Framework de conception
C++,
Design par templates,
separation algorithme / problemes / interface decommunication,
sortie XML, ensemble des informations.
Outils de tests
Python, R,
gestion des tests,
graphiques, rapports,
comparaisons.
![Page 35: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/35.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Efficacite
Efficacite
No free-lunch
implementation
tests statistique
![Page 36: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/36.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Parametrage
![Page 37: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/37.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Parametrage
![Page 38: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/38.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Parametrage
![Page 39: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/39.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Plan
1 Optimisation
2 MetaheuristiquesBasesAspects theoriquesConceptionImplementation logicielle
3 Application
![Page 40: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/40.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Recalage d’angiographies retiniennes
Probleme
decalages (entiers),
rotations, zooms,
pas de voisinage,
Methode
pretraitement,
metaheuristiques,
flot optique.
Resultats
temps de calcul,
robustesse.
![Page 41: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/41.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Essaims de robots
Problemes
Livraisons, nettoyage,
surveillance, monitoring,
guidage, etc.
Gestion de l’aspect essaim
Organisation des deplacements,
localisation des robots,
comportement global/regles locales,
simulations sur Player/Stage.
![Page 42: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/42.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Essaims de robots
Problemes
Livraisons, nettoyage,
surveillance, monitoring,
guidage, etc.
Gestion de l’aspect essaim
Organisation des deplacements,
localisation des robots,
comportement global/regles locales,
simulations sur Player/Stage.
![Page 43: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/43.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Intelligence en essaim : exemple
Modele
Recrutement,
multi-agents, interactions,
comportement global,
auto-organisation.
![Page 44: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/44.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Travaux preliminaires
Reconstruction de modele
Physique optique,
modele physique de lentille,
reconstruction depuis images.
Reseaux ad-hocs
Reseaux ad-hocs tres dynamiques,
routage, qualite de service,
colonies de fourmis.
![Page 45: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/45.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation dynamique
Probleme
Non-stationnaire,
variables entieres,
nouveau benchmark.
Algorithmes
Colonies de fourmis,
distribue, adaptatif.
![Page 46: Métaheuristiques et applications](https://reader034.fdocuments.in/reader034/viewer/2022042714/54c260014a795913518b45a4/html5/thumbnails/46.jpg)
Johann Dreo
Optimisation
Metaheuristiques
Bases
Aspectstheoriques
Conception
Implementationlogicielle
Application
Optimisation dynamique
Probleme
Non-stationnaire,
variables entieres,
nouveau benchmark.
Algorithmes
Colonies de fourmis,
distribue, adaptatif.