Optimisation Multiobjectifs Par Programmation Génétique. Magister Thesis, (2007) Université De Batna 2.

Résumé: Les problèmes d’optimisation combinatoire (COP : Combinatorial Optimisation Problems) apparaissent naturellement quand il s’agit de modéliser mathématiquement un problème scientifique ou d’ingénierie. A cause de l’aspect NP-Complet de ces problèmes, des heuristiques sont utilisées pour atteindre rapidement des solutions sous-optimales. Ces problèmes sont intrinsèquement parallèles avec beaucoup d’aptitudes pour une implémentation hardware. Cependant, les techniques heuristiques existantes sont largement considérées comme inadaptées pour résoudre des problèmes d’optimisation. En outre, les problèmes du monde réel nécessitent souvent l’optimisation simultanée d’un nombre important d’objectifs concurrents. En général, il n y a pas de solution unique mais plutôt un ensemble de solutions. Ces dernières sont appelées les solutions optimales de Pareto. Considérons, par exemple, la conception d’un système complexe Hardware/Software. Une conception optimale est une architecture minimisant les coûts et la consommation tout en maximisant les performances du système. Ces différents objectifs sont bien naturellement conflictuels. Un outil permettant d’explorer l’espace de solutions optimales de Pareto serait donc d’une grande utilité pour aboutir à la conception optimale d’un système complexe. Les algorithmes évolutionnaires semblent être une voie très prometteuse. L’objectif de ce magister est d’appliquer l’un des algorithmes évolutionnaires qui est la programmation génétique aux problèmes d’optimisation multiobjectifs.

Publié dans la revue: