7569_presentation.pdf

7/17/2019 7569_presentation.pdf

http://slidepdf.com/reader/full/7569presentationpdf 1/11

IntroductionAlgorithme Génétique

Optimisation par Essaim Particulaires

Heuristiques et Intelligence Collective:

Projets d’Optimisation Continue

Automne ’09

27 novembre 2009

Heuristiques: Projets Automne ’09

Professeur : Marco Tomassini

Assistant : F. Daolio

http://find/

http://goback/





L’organisation des travauxLes functions à optimiser

Administratif

Groupes de 2-3 personnes

3 séances : 27 novembre, 4 et 11 décembre

À rendre avant le 17 décembre 2009, minuit :- rapport écrit d’environs 800 mots avec les résultats

1 séance de présentation : vendredi 18 décembre

Présentation de 15 minutes par groupe :

- Tous les membres participent et sont présents !


http://find/






Optimisation de fonctions continues

à l’aide d’Heuristiques basées sur une population

Résoudre les 3 fonctions présentées ci-aprés

1 Technique à choisir sur 3 :1 Algorithme Génétique ∼ sélection2 Algorithme Génétique ∼ croisement3 Optimization par Essaim ∼ voisinage

Code donné sur le site du cours :https://www.hec.unil.ch/docs/mscis/cours/13/


https://hec.unil.ch/docs/mscis/cours/13/

https://hec.unil.ch/docs/mscis/cours/13/

http://find/

http://goback/






Fonction Parabola ou “Sphère”

2D Sphere Function définition

f (x ) = x 12 + x 2

2

domaine de recherche

−100 ≤ x i ≤ 100

minimum globalx ∗ = (0, 0) f (x ∗) = 0


I d i

http://find/






Fonction de Rosenbrock ou “Banane”

2D Rosenbrock’s Function définition

f (x ) = (1−x 12) + 100∗ (x 2− x 21 )2


−30 ≤ x i ≤ 30

minimum globalx ∗ = (1, 1) f (x ∗) = 0


I t d ti

http://find/






Fonction de Rastrigin

2D Rastrigin’s Function

définition

f (x ) = 20+2

i =1

(x 2i −10cos(2πx i ))


−5.12 ≤ x i ≤ 5.12

minimum global

x ∗ = (0, 0) f (x ∗) = 0


Introduction Modèle utilisé

http://find/





Modèle utiliséProjet 1Projet 2

Genetic Algorithm Toolbox

Publié en 2007 par Kumara Sastryhttp://www.illigal.uiuc.edu

Une suite des méthodes en langage C++

Choix des paramètres par ficher .txt en entré

Documentation en un ficher .pdf

...petite démo...



http://www.illigal.uiuc.edu/

http://www.illigal.uiuc.edu/

http://find/






Projet 1 : méthodes de sélection

algorithme base

SGA real coded : tous les paramètres “default”

operateurs de sélection à essayer1 Binary Tournament2 Roulette Wheel3 Truncation

à observer sur les 3 fonctions

l’influence de la sélection sur la convergence



http://find/






Projet 2 : méthodes de croisement

algorithme base

SGA real coded : tous les paramètres “default”

operateurs de croisement à essayer1 One Point2 Two Point3 Simulated Binary Xover


l’influence du croisement sur la convergence


IntroductionM dèl ili é

http://find/





Modèle utiliséProjet 3

Standard PSO 2007

Publié en 2007 par Maurice Clerc et autreshttp://www.particleswarm.info

Un seul ficher en langage C

Choix des paramètres dans le code

Documentation dans les commentaires du code

...petite démo...


IntroductionM dèl tili é

http://www.particleswarm.info/

http://www.particleswarm.info/

http://find/



Algorithme GénétiqueOptimisation par Essaim Particulaires

Modèle utiliséProjet 3

Projet 3 : nombre d’informateurs

algorithme base

PSO avec topologie stochastique : tous les paramètres “default”

nombre d’informateurs à essayer1 K = 3 ( local best ring topology )2 3 < K < S

3 K = S ( global best topology )


l’influence du voisinage sur la convergence


http://find/

http://goback/

Documents

7569_presentation.pdf