3.5.3 La couche de séparation spatiale
Le concept de séparation spatiale est
implémenté dans MPSO pour deux raisons. D'une part, dans la
nature, les essaims sont divisés en un certain nombre de sousessaims qui
peuvent interagir. D'autre part, le fait d'avoir plusieurs sous-essaims permet
d'avoir une bonne implémentation parallèle du modèle et
donc une efficacité vis-à-vis du temps de calcul [Pelikan et
Goldberg, 2001].
Dans le modèle que nous avons proposé,
l'objectif principal de cette couche est d'induire une géographie locale
dans l'essaim et de forcer une coopération locale au sein de cette
structure. Elle consiste en la formation de sous-essaims en utilisant les
résultats de la procédure de classification. À chaque
cycle, un sous-essaim est formé en utilisant le centre et le rayon de la
classe correspondante.
3.5.4 Le concept de migration
Une fois les sous essaims sont crées, une
stratégie de migration est appliquée afin de promouvoir un
certain degré de diversité au sein des essaims et
d'améliorer la qualité des solutions trouvées. Le
processus de migration permet d'avoir un échange entre les sous-essaims
dans la structure multi-essaims. Les paramètres les plus importants de
la migration sont la topologie de connection entre les sous-essaims, le taux de
migration,(la fraction de la population qui va migrer), la fréquence de
migration, et la règle pour choisir les migrateurs et pour remplacer les
individus existants. La stratégie utilisée dans cette
étude est définie comme suit :
1. Définir une structure de voisinage en utilisant la
distance entre les différents centres de classes;
2. Pour chaque sous-essaim
Choisir aléatoirement in particule qui vont
migrer au sous-essaim voisin, Recevoir in particules venant des
sous-essaims voisins.
Il existe deux manière de choisir les particules qui
vont migrer d'un sous-essaim, on peut les choisir aléatoirement ou
sélectionner les meilleurs particules de sous-essaim. Aussi il y'en a
deux choix pour remplacer les particules existantes dans un sousessaim par les
particules migrantes des autres sous-essaim : choisir aléatoirement ou
remplacer les plus mauvaises. Dans cette étude, les particules migrantes
et les particules qu'elles remplacent sont choisies aléatoirement.
3.5.5 Fonctionnement du modèle
Le modèle MPSO commence par générer un
essaim aléatoire S(t = 0), Les particules sont
définies par leurs positions et leurs vitesses , cet essaim
évolue en utilisant l'algorithme PSO. L'algorithme de classification
floue non supervisée permet de partitionner l'essaim en C
classes, et détermine pour chaque classe ses
caractéristiques principales. De nouveaux sous-essaims sont ensuite
générés en utilisant le centre et le rayon de chaque
classe, cette stratégie de réinitialisation permet d'introduire
une nouvelle diversité au sein des sous-essaims.
La séparation spatiale permet d'engendrer une
coopération locale au niveau de chaque sous-essaim. Un processus de
migration est appliqué ensuite en vue d'échanger des informations
entre les sous-essaims voisins, les sous-essaims vont donc coévoluer
séparément et à la fin un nouveau essaim est formée
à partir des différents sous-essaims. Le processus est
itéré jusqu'à ce que l'entropie (h),
utilisée comme critère de validation, atteigne un minimum
prédéfini (h < 10-3). L'essaim
S(t) est initialisé une seule fois dans tout le
processus à la première itération t = 0.
Pendant
les itérations intermédiaires, S(t
+ 1) = UC i=1 Si(t) oil C est le
nombre de classes déterminées.
Le pseudo code du modèle proposé est donné
par l'algorithme 7 [Alami et al, 2009]
algorithme 5 Pseudo-code du modèle MPSO
t - 0
Initialiser l'essaim S(t)
S(t) - PSO(S(t))
Répéter
{
FC(S(t))
Pour i = 1 to C /*C nombre de classes
identifiées
Créer les sous-essaims Si(t)
Appliquer le processus de migration
Si(t) -
PSO(Si(t))
Fin pour
S(t + 1) - UC i=1
Si(t)
t - t + 1 }
Tant que (h < hmin)
| 
