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

 > 

Optimisation du réseau du gaz lift dans la partie nord du champ de Hassi Messaoud

( Télécharger le fichier original )
par Naima & Amel CHERAD & SID
Univesité des sciences et de la technologie Houari Boumedienne - Ingénieur d'état en recherche opérationnelle 2009
  

précédent sommaire suivant

5.3 Métaheuristiques[9]

Présentation:

On parle de méta, du grec << au-delà >> (comprendre ici << à un plus haut niveau >> ), heuristique, qui signifie << trouver >> . En effet, ces algorithmes se veulent des méthodes génétiques pouvant optimiser une large gamme de problèmes différents, sans nécessiter de changements profonds dans l'algorithme employé.

Une terminologie légèrement différente considère que les métaheuristiques sont une forme d'algorithmes d'optimisation stochastique, hybridés avec une recherche locale. Le terme <<méta>> est donc pris au sens on les algorithmes peuvent regrouper plusieurs heuristiques. On rencontre cette définition essentiellement dans la littérature concernant les algorithmes évolutionnaires, on elle est utilisée pour désigner une spécialisation. Dans le cadre de la première terminologie, un algorithme évolutionnaire hybridé avec une recherche locale sera plutôt désigné sous le terme d'algorithme mémétique (révolutionnaire) tel que l'algorithme génétique.

Les métaheuristiques sont souvent inspirées par des systèmes naturels, qu'ils soient pris en physique (cas du recuit simulé), en biologie de l'évolution (cas des algorithmes génétiques) ou encore en éthologie (cas des algorithmes de colonies de fourmis ou de l'optimisation par essaims particulaires).

Le but d'une métaheuristique est de résoudre un problème d'optimisation donné: elle cherche un objet mathématique (une permutation, un vecteur, etc.) minimisant (ou maximisant) une fonction objectif, qui décrit la qualité d'une solution au problème.

L'ensemble des solutions possibles forme l'espace de recherche. L'espace de recherche est au minimum borné, mais peut être également limité par un ensemble de contraintes.

Les métaheuristiques manipulent une ou plusieurs solutions, à la recherche de l'optimum, la meilleure solution au problème. Les itérations successives doivent permettre de passer d'une solution de mauvaise qualité à la solution la plus proche de l'optimale. L'algorithme s'arrête après avoir atteint un critère d'arrêt, consistant généralement en l'atteinte du temps d'exécution imparti ou en une précision demandée.

Une solution ou un ensemble de solutions est parfois appelé un état, que la méta-

heuristique fait évoluer via des transitions ou des mouvements. Si une nouvelle solution est construite a partir d'une solution existante, elle est sa voisine. Le choix du voisinage et de la structure de donnée le représentant peut être crucial.

Lorsqu'une solution est associée a une seule valeur, on parle de problème mono-objectif, lorsqu'elle est associée a plusieurs valeurs, de problème multi-objectifs (ou multi-critères). Dans ce dernier cas, on recherche un ensemble de solutions non dominées (le << front de Pareto >> ), solutions parmi lesquelles on ne peut décider si une solution est meilleure qu'une autre, aucune n'étant systématiquement inférieure aux autres sur tous les objectifs.

Dans certains cas, le but recherché est explicitement de trouver un ensemble d'optimums << satisfaisants >> . L'algorithme doit alors trouver l'ensemble des solutions de bonne qualité, sans nécessairement se limiter au seul optimum: on parle de méthodes multimodales.

Pour résumer ces définitions, on peut dire que les propriétés fondamentales des métaheuristiques sont les suivantes:

- Les métaheuristiques sont des stratégies qui permettent de guider la recherche d'une solution optimale

- Le but visé par les métaheuristiques est d'explorer l'espace de recherche effi cacement afin de déterminer des solutions (presque) optimales.

- Les techniques qui constituent des algorithmes de type métaheuristique vont de la simple procédure de recherche locale a des processus d'apprentissage complexes.

- Les métaheuristiques sont en général non-déterministes et ne donnent aucune garantie d'optimalité

- Les métaheuristiques peuvent contenir des mécanismes qui permettent d'éviter d'être bloqué dans des régions de l'espace d recherche.

- Les concepts de base des métaheuristiques peuvent être décrit de manière abstraite, sans faire appel a un problème spécifique.

- Les métaheuristiques peuvent faire appel a des heuristiques qui tiennent compte de la spécificité du problème traité, mais ces heuristiques sont contrôlées par une stratégie de niveau supérieur.

- Les métaheuristiques peuvent faire usage de l'expérience accumulée durant la recherche

de l'optimum, pour mieux guider la suite du processus de recherche.

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