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

( Télécharger le fichier original )
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

3.3.2.5. PSO basé sur la méthode de nichage séquentiel (ASNPSO)

L'algorithme proposé utilise plusieurs sous-essaims pour détecter séquentiellement les solutions optimales [Zhang et al, 2006], tel que chaque sous-essaim est responsable d'identifier une solution à la fois. En outre, une fonction de pénalisation 'hill valley' proposée dans [Ursem, 1999] est implémentée dans cet algorithme pour modifier la fitness des particules dans le sous-essaim actuel. Cette fonction permet d'éviter la localisation d'une solution déjà identifiée par un sous-essaim.

Il est clair que le nombre de sous-essaims, qui vont effectuer la recherche des solutions, dépend du nombre d'optima (globaux et locaux) de la fonction à optimiser. Cependant, pour des problèmes réels, on ne dispose pas du nombre de solutions optimales.

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