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

3.3.1.5. La méthode d'éclaircissement (Clearing)

La méthode d'éclaircissement, similaire au schéma de partage standard, est basée sur le principe des ressources limitées dans l'environnement [Petrowski, 1996]. Elle consiste à n'attribuer les ressources d'une niche qu'aux meilleurs représentants.

En pratique, la capacité k d'une niche spécifie le nombre maximal d'individus qu'une niche peut accepter. Après avoir évalué la performance des individus dans chaque niche, cette méthode préserve les k meilleurs représentants des sous-populations respectives (dominants) et exclut les autres (dominés) de la population en réinitialisant leur adaptation.

Comme dans le cas de la méthode de partage, les individus appartiennent à une même niche si la distance qui les sépare est inférieure au seuil de similarité (Clearing radius) [Petrowski, 1996]. Cette méthode est caractérisée par une complexité temporelle moindre comparativement à la méthode de partage, mais souffre des mêmes limitations, principalement en ce qui concerne la définition du rayon de niche.

3.3.1.6. Méthode de surpeuplement (Crowding Method)

Cette méthode insère de nouveaux éléments dans la population en remplaçant des éléments similaires. Dans sa version standard, une fraction seulement de la population spécifiée par un pourcentage G se reproduit et meurt à chaque génération. Dans ce schéma, un individu remplace l'individu le plus similaire à partir d'une sous-population aléatoire de taille CF (Crowding factor). A cause des nombreuses erreurs de remplacement, cette technique a montré ses limites, l'inconvénient majeur est qu'elle retarde l'exploration de domaines qui ne sont pas proches (similaires) de la distribution initiale. D'autre part, cette méthode ne permet pas de maintenir plus de 2 niches [Mahfoud, 1992] et donc de découvrir plus de deux optima.

Ce schéma standard a été amélioré par Mahfoud en s'inspirant directement de la présélection de Cavicchio (Cavicchio 1970). Le principe est basé sur le concept de compétition entre parents et enfants descendants de la même niche. Après les opérations de croisement et éventuellement de mutation, un enfant remplace un parent s'il est mieux adapté [Mahfoud, 1994].

Cette méthode présente un avantage du fait qu'elle est caractérisée par une complexité linéaire d'ordre N. Toutefois, elle souffre du problème de dérive génétique due aux éventuelles erreurs de remplacement.

3.3.1.7. Populations co-évolutives

Ce modèle, basé sur l'interaction commerçants-clients [Goldberg et Wang, 1997], est inspiré de la compétition monopoliste. Il utilise deux populations : des clients et des commerçants. Les clients sont servis par le commerçant les plus proches. Utilisant une fonction de partage, la fitness d'un commerçant est réduite en fonction du nombre total d'autres clients servis par le commerçant le plus proche. La population des clients évolue sous un AG classique. Par contre, les commerçants tentent de maximiser le nombre de clients servis. Plus ce nombre est élevé plus la fitness du commerçant augmente.

Pour prévenir la convergence de la population de commerçants vers un seul optimum, les commerçants doivent être séparés par une distance minimale dmin. Cette population évolue selon un mécanisme qui permet aux meilleurs clients de devenir commerçants. Pour chaque commerçant, n clients sont sélectionnés aléatoirement. Le premier client qui a la meilleure fitness, et est situé à dmin des autres commerçants, remplace alors le commerçant d'origine dans la population [Watson, 1999].

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