Development Of New Bio-inspired Optimisation Approaches For Knowledge Discovery In Biological Data

Résumé: Afin d’améliorer les solutions aux problèmes NP-complet avec des nouvelles méthodes, beaucoup d’approches d’optimisation basées sur les phénomènes naturelles tel que l’écologie animale, la biologie, et d’autre systèmes physiques ont été proposés. Des méthodes récentes suggèrent que ces travaux peuvent être encore améliorés afin d'obtenir des modèles de recherche encore plus précis en recherchant la solution optimale. Les développements accrus des technologies numériques ont engendré depuis quelques années, des volumes de données extrêmement importants, qui peuvent receler des informations utiles pour les organismes qui les ont produites. Ce constant a donné naissance à un nouveau champ d’exploration: l’extraction de connaissances à partir des données. Dans ce travail nous avons développé un nouvel algorithme inspire à partir de phénomène naturel de chasse collaborative de pingouins et d’utiliser un algorithme très connu celui de l’algorithme génétique pour résoudre des problèmes complexe dans la bioinformatique. Nous avons appliqué ces méthodes sur trois problèmes de la bio-informatique, l’alignement de séquences biologiques, l’assemblage de fragments d’ADN et la compression des données biologiques. Les approches proposées dans cette thèse ont été évaluées et validées sur des données biologiques.

Publié dans la revue: