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

 > 

Contribution à  l'optimisation complexe par des techniques de swarm intelligence


par Lamia Benameur
Université Mohamed V Agdal Rabat Maroc - Ingénieur spécialité : informatique et télécommunications 0000
  

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

Table des matières

Introduction générale 1

I Application de l'algorithme d'optimisation par essaims particulaires à des problèmes réels 5

1 Techniques de calcul "intelligent" 7

1.1 Introduction 8

1.2 Techniques de Calcul "Intelligent" 10

1.2.1 Les réseaux de neurones (Neural Networks) 10

1.2.2 La logique floue (Fuzzy Logic) 12

1.2.3 Les techniques de calcul évolutif (Evolutionary Computation) 13 1.3 Conclusion 24

2 Application de l'algorithme d'optimisation par essaims particulaires aux problèmes MSAP et PAF 25

2.1 Introduction 26
2.2 Commande en vitesse des machines synchrones à aimant permanent

(MSAP) 27

2.2.1 Modélisation d'une machine synchrone à aimant permanent 27

2.2.2 Conception d'un contrôleur PI basé sur les essaims particulaires 29
2.2.3 Résultats de simulation 31

2.3 Problème d'affectation de fréquences (PAF) 38

2.3.1 Problématique 38

2.3.2 Formulation du FS-FAP 39

2.3.3 Implémentation de l'algorithme d'optimisation par essaims

particulaires à la résolution de FS-FAP 40

2.3.4 Etude expérimentale 42

2.3.5 Comparaison avec d'autres techniques 47

2.4 Conclusion 49

II Conception de nouveaux modèles pour l'optimisation multimodale et l'optimisation multiobjectif 50

3 Conception d'un nouveau modèle d'optimisation multimodale (Multipopulation Particle Swarms Optimization MPSO) 52

3.1 Introduction 53

3.2 Problématique de l'optimisation multimodale 54

3.3 Techniques de l'optimisation multimodale 55

3.3.1 Les méthodes de niche 55

3.3.2 Les systèmes basés sur l'intelligence des essaims particulaires

(PSO) 61

3.3.3 Les systèmes immunitaires artificiels 62

3.4 Synthèse 63

3.5 Conception d'un nouveau modèle d'optimisation multimodale (MPSO) 64

3.5.1 Le principe du modèle 64

3.5.2 La couche de classification automatique floue 64

3.5.3 La couche de séparation spatiale 67

3.5.4 Le concept de migration 68

3.5.5 Fonctionnement du modèle 68

3.5.6 Complexité temporelle de l'algorithme 69

3.6 Etude expérimentale 69

3.6.1 Fonctions tests 70

3.6.2 Résultats numériques 71

3.6.3 Comparaisons avec d'autres techniques 79

3.7 Conclusion 82

4 Conception d'un nouveau modèle pour l'optimisation multiobjectif 83

4.1 Introduction 84

4.2 Principe de l'optimisation multiobjectif 85

4.2.1 Formulation d'un problème multiobjectif 85

4.2.2 Exemple de problème multiobjectif 86

4.3 L'optimisation multiobjectif 86

4.3.1 Choix utilisateur 87

4.3.2 Choix concepteur 87

4.3.3 Les méthodes agrégées 88

4.3.4 Les méthodes non agrégées, non Pareto 90

4.3.5 Les méthodes Pareto 92

4.3.6 Les techniques non élitistes 94

4.3.7 Les techniques élitistes 96

4.3.8 Difficultés des méthodes d'optimisation multiobjectif 99

4.4 Optimisation multiobjectif par essaims particulaires 100

4.4.1 Leaders dans l'optimisation multiobjectif 102

4.4.2 Conservation et propagation des solutions non-dominées . . 104

4.4.3 Maintien de la diversité par création de nouvelles solutions . 105

4.4.4 Classification des différentes approches 107

4.5 Synthèse 109

4.6 Optimisation multiobjectif par essaims particulaires basée sur la Clas-

sification Floue 110

4.6.1 Implémentation de la couche PSOMO 110

4.6.2 Fonctionnement du modèle 111

4.7 Etude expérimentale 112

4.7.1 Problèmes tests 113

4.7.2 Résultats numériques 115

4.7.3 Comparaisons avec d'autres techniques 115

4.8 Conclusion 118

Conclusion générale 119

Références Bibliographiques 122

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