Upload
germaine-besson
View
104
Download
0
Embed Size (px)
Citation preview
Free Powerpoint TemplatesPage 1
Free Powerpoint Templates
L’optimisation par essaimsDe particules
Le concept tiré des nuéesd’oiseaux
Par : BENALLAL Mohamed Anis
Professeur responsable : Mr BENYETTOU Mohamed
UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN
Free Powerpoint TemplatesPage 2
Plan
I. INTRODUCTION
II. UN PEU D’HISTOIRE
III.DEFINITIONS
III.1. Optimisation Par Essaims de Particule
III.2. Notion de voisinage
IV. L’ALGORITHME PSO
V. APPLICATION DE L’ALGORITHME PSO
VI. AUTRE DOMAINES D’APPLICATIONS
VII.COCLUSION
Free Powerpoint TemplatesPage 3
INTRODUCTION
L’homme s’inspire de plus en plus de la nature qui l’entoure pour mettre en place des algorithmes simulant le comportement des animaux
Les Méta-heuristiques permettent de trouver facilement et rapidement la solution la plus approchée du l’optimum si ce dernier existe
Nous allons faire la connaissance avec une de ces méthodes, celle-ci est dite « optimisation par essaims de particule » dont l’idée directrice est la simulation du comportement collectif des oiseaux à l’intérieur d’une nuée.
Free Powerpoint TemplatesPage 4
UN PEU D’HISTOIRE
L'optimisation par Essaim de particule (OEP)
En anglais : PSO (Particle swarm optimization)
Inventée par Russel Eberhart (ingénieur en électricité) et James Kennedy (socio-psychologue) en 1995.
Russel Eberhart James Kennedy
Free Powerpoint TemplatesPage 5
DEFINITIONSOptimisation Par Essaims de Particule :
Technique utilisée pour explorer l'espace de recherche d'un problème quelconque pour trouver l'ensemble des paramètres qui maximise/minimise un objectif particulier.
Notion de voisinage :
Le voisinage constitue la structure du réseau social. Les particules à l’intérieur d’un voisinage communiquent entre-elles.
Free Powerpoint TemplatesPage 6
L’ALGORITHME PSO
Free Powerpoint TemplatesPage 7
L’ALGORITHME PSO
Un facteur d’inertie peut être appliqué à la vitesse Pour contrôler l’influence de celle-ci.
Free Powerpoint TemplatesPage 8
vi(t) est la vitesse de particule i à l'instant t
xi(t) est la position de particule i à l'instant t
w, c1, et c2 (0 ≤ w ≤ 1.2, 0 ≤ c1 ≤ 2, et 0 ≤ c2 ≤ 2) sont des coefficients constants fixés par l'utilisateur
r1 et r2 sont des nombres aléatoires tirés à chaque itération
g(t) est la meilleure solution trouvée jusqu'à l'instant t et xp
i(t) est la meilleure solution trouvée par le particule i
L’ALGORITHME PSO
Free Powerpoint TemplatesPage 9
APPLICATION DE L’ALGORITHME PSO
Appliquer le concept des essaims de particules dans un problème de maximisation
Free Powerpoint TemplatesPage 10
APPLICATION DE L’ALGORITHME PSO• générer une population de particules
réparties aléatoirement sur le graphe.• 20 points pour la fonctions, et 5
particules pour cette expérience.• r1 et r2 suivent une loi uniforme sur
[0..1]• c1 et c2 = 2 pour et (accélération
positive maximale)
Free Powerpoint TemplatesPage 11
APPLICATION DE L’ALGORITHME PSO
la population se rapproche vers la solution optimale globale dès la 5eme itération :
Free Powerpoint TemplatesPage 12
Plus on avance dans le nombre d’itérations plus les particules se rapprochent de l’optimaledès qu’une des particules atteint l’optimum global les autres ne tardent pas a la suivre.
APPLICATION DE L’ALGORITHME PSO
Free Powerpoint TemplatesPage 13
COCLUSION
Les méta-heuristiques permettent l'absence d'hypothèses particulière sur la régularité de la fonction objective
Les résultats obtenue par PSO sont très satisfaisant et confirment bien la validité de l’algorithme.
le choix de paramètres reste l'un des problèmes de l'optimisation par particules d'essaim.
Free Powerpoint TemplatesPage 14
REFERENCES
- Jerome Onwunalu, Louis J. Durlofsky, « Application of a particle swarm optimization algorithm for determining optimum well location and type », Smart Fields Meeting, 8 Avril 2009.
- Maurice Clerc, « L’optimisation par essaim particulaire », 2003.
- Antoine Dutot et Damien Olivier, « Optimisation par essaim de particules Application au problème des n-Reines », Laboratoire Informatique du Havre, Université du Havre, 25 rue Philippe Lebon, 76600 Le Havre.
- James Blondin, « Particle Swarm Optimization: A Tutorial », 4 Septembre 2009.
Free Powerpoint TemplatesPage 15
MERCI A VOUS !
Une démonstration de l’application dans quelques instants …