WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Recherche bibliographique portant sur la " Contribution à  la réalisation du problème d'emploi de temps par une approche évolutionnaire "

( Télécharger le fichier original )
par Mohamed Boukerroucha
Université M'Hamed Bouguerra Boumerdes Algérie - Master 2 2013
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Liste des abréviations

TTP : Time Tabiling Problem

UMBB : Université M'HAMED BOUGUERRA - Boumerdes

TD :Travaux Dirigés

TP :Travaux Pratiques

TS : Tabou Search

GRASP : Greedy Randomized Adaptative Search Procedure

GA :Genetic Algorithms

EA : Evolutionary Algorithm

MOEA : MultiObjectif Evolutionary Algorithm

SPEA : Strenght Pareto Evolutionary Algorithm

IBEA : Indicator Based Evolutionary Algorithm

NSGA : Non-dominated Sorting Genetic Algorithm

PM : Population Management

PEA : Parallele Evolutionary Algorithm

cPEA : cellular Parallele Evolutionary Algorithm

dPEA : distributed Parallele Evolutionary Algorithm

SISD :Single Instruction Single Data

SIMD : Single Instruction Multiple Data

MISD : Multiple Instruction Single Data

MIMD : Multiple Instruction Multiple Data

iii

Table des matières

Résumé i

Liste des abréviations ii

liste de figures v

INTRODUCTION GÉNÉRALE 1

I LE PROBLÈME D'EMPLOI DE TEMPS 2

I.1 La complexité Temporelle 2

I.2 Types des problèmes 3

I.3 Le problème d'emploi de temps (TTP) 4

I.4 Classification des problèmes d'emplois de temps 5

I.5 Une instance de problème TTP 5

I.6 L'aspect combinatoire du problème TTP 7

I.7 Conclusion 7

II METHODES D'OPTIMISATION 8

II.1 Classification des méta-heuristiques 9

II.2 Exposition de quelques méta-heuristiques 9

II.2.1 La méthode de descente 9

II.2.2 Le recuit simulé 10

II.2.3 La méthode tabou 10

II.2.4 Les algorithmes génétiques 11

II.2.5 Les algorithmes de colonies de fourmis 11

II.2.6 La méthode GRASP 13

II.2.7 La méthode d'évolution différentielle 13

II.2.8 Discussion 14

II.3 Les algorithmes évolutionnaires 15

II.3.1 Terminologie spécifique aux EAs 15

II.3.2 Analyse de processus de recherche des AEs 16

II.3.3 Procédures de sélection 16

II.3.4 Les schémas d'évolution 17

II.4 Notion préliminaires 17

II.4.1 Le principe de dominance 18

II.4.2 Les indicateurs de Performance 18

iv

TABLE DES MATIÈRES

II.4.3 Procédures de comparaison et de classement 19

II.5 ETAT DE L'ART: (MOEAs) 20

II.5.1 SPEA-II 21

II.5.2 €-MOEA 22

II.5.3 IBEA 23

II.5.4 NSGA-II 24

II.5.5 micro-GA 25

II.5.6 GA PM 25

II.5.7 Discussion 26

II.6 CONCLUSION 26

IIIALGORITHMES EVOLUTIONNAIRES PARALLÈLES 27

III.1 Les architectures parallèles selon Flynn 28

III.2 Etat de l'art : les modèles parallèles pour les EAs 29

III.2.1 Parallélisation du calcul de performance 29

III.2.2 Distribution du calcul de performance 30

III.2.3 Modèle en îlots 31

III.2.4 Population distribuée 31

III.2.5 Discussion 32

III.3 Les outils de parallélisme 32

III.3.1 Les outils implémentant le modèle de passage de messages 32

III.3.2 Discussion 33

III.4 Conclusion 33

CONCLUSION GÉNÉRALE ET PERSPECTIVES 34

Bibliographie 36

v

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Ceux qui rĂªvent de jour ont conscience de bien des choses qui échappent à ceux qui rĂªvent de nuit"   Edgar Allan Poe