Méthodes de résolution de problèmes difficiles académiques

République Algérienne Démocratique et Populaire
Ministère de l’enseignement Supérieur et de la recherche Scientifique
Université de Constantine2
Faculté des Technologies de l’lnformation et de la Communication
Département d’Informatique Fondamentale et ses Applications
Année : 2013
N° d'ordre : …………./2013
N° de série : …………/2013
Thèse
Pour l’obtention du diplôme de Doctorat
3ème cycle LMD
Spécialité : Informatique
Méthodes de résolution de problèmes
difficiles académiques
Amira Gherboudj
Soutenue le : ../../2013 devant le jury composé de:
Pr. ALLAOUA CHAOUI, Président, Université de Constantine
Pr. SALIM CHIKHI, Directeur de thèse, Université de Constantine
Dr. RAMDANE MAAMERI, Examinateur, Université de Constantine
Dr. BAGHDAD ATMANI, Examinateur, Université d’Oran
Dr. FODIL CHERIF, Examinateur, Université de Biskra
Année universitaire 2012-2013

Remerciements
Je tiens à exprimer en tout premier lieu ma profonde gratitude à mon
directeur de thèse, Professeur Salim Chikhi pour m’avoir encadré, orienté et
guidé afin de réaliser ce travail. Je le remercie pour ses encouragements
continuels qui ne cessaient de me remonter le moral pendant les moments
difficiles et pour l’énorme soutien scientifique et moral qu’il a su m’accorder
pendant ces trois années.
Je remercie Professeur Allaoua Chaoui pour avoir accepté de présider mon
jury. Je remercie également les Docteurs: Ramdane Maameri, Baghdad Atmani et
Fodil Cherif, membres du jury d’avoir accepté l’examination et l’évaluation de ce
travail.
J'adresse aussi mes vifs remerciements à mon cher père et à ma chère
mère pour leur encouragement et le soutien affectif et matériel qu'ils m'ont
apporté tout au long de mon existence.
Je remercie aussi mes frères, mes sœurs, mes chers, mes collègues, mes
enseignants et tout le personnel du laboratoire MISC, ainsi que toutes les
personnes qui m’ont apporté un soutien moral de loin ou de près.

Abstract
The objective of this thesis is to propose methods for solving difficult academic
optimization problems. In the aim to achieve our goal, we proposed three key contributions.
In the first contribution we proposed four classes of particle swarm optimization algorithms.
Each class contains four algorithms inspired from variants proposed in the literature. In the
second contribution we proposed a hybrid algorithm based on some principles of the particle
swarm optimization algorithm and the crossover operation of the genetic algorithm. The
objective of this hybridization is twofold: first, to propose a standard algorithm for solving
optimization problems of all types (continuous, discrete or binary), unlike the original
algorithm of particle swarm optimization designed for solving continuous optimization
problems. Secondly, freeing the user from the phase of selection and adaptation of algorithm
parameters by minimizing the number of the essential parameters for the functioning of the
algorithm in a single parameter (the size of the population). In the third contribution we
thought to fill the gap of the new metaheuristic called "cuckoo search" by proposing its binary
version to cope with a wide range of problems that can be modeled by binary structures.
To test the performance of the algorithms that we have proposed, we tried to solve three
NP-Hard academic optimization problems as models of difficult optimization problems. The
resolved problems are: the one-dimensional knapsack problem (KP), the multidimensional
knapsack problem (MKP) and the traveling salesman problem (TSP).
Keywords: Optimization, NP-hard Optimization Problem, Metaheuristic, Particle Swarm
Optimization Algorithm (PSO), Cuckoo Search (CS), Hybridization, Knapsack Problem (KP),
Multidimensional Knapsack Problem (MKP), Traveling Salesman Problem (TSP).

Résumé
L’objectif de cette thèse est de proposer des méthodes pour la résolution de problèmes
d’optimisation académiques difficiles. Dans le but de réaliser notre objectif, nous avons
proposé trois contributions essentielles. Notre première contribution consiste à proposer
quatre classes d’algorithmes d’optimisation par essaim de particules. Chaque classe contient
quatre algorithmes inspirés des variantes proposées dans la littérature. Notre deuxième
contribution consiste à proposer un algorithme hybride basé sur quelques principes de
l’algorithme d’optimisation par essaim de particules et l’opération du croisement de
l’algorithme génétique. L’objectif de cette hybridation est double: premièrement, proposer un
algorithme standard permettant la résolution de problèmes d’optimisation de tous types
(continu, discret ou binaire), contrairement à l’algorithme original de l’optimisation par
essaim de particules conçu pour la résolution de problèmes d’optimisation continus.
Deuxièmement, affranchir l’utilisateur de la phase du choix et d’adaptation de paramètres de
l’algorithme en minimisant le nombre de paramètres essentiels pour le fonctionnement de
l’algorithme en un seul paramètre (la taille de la population). Notre troisième contribution
consiste à combler la lacune de la nouvelle métaheuristique nommée « la recherche coucou »
par la proposition de sa version binaire pour faire face à une grande gamme de problèmes
pouvant être modélisés par des structures binaires.
Afin de tester la performance des algorithmes que nous avons proposés, nous avons essayé
de résoudre trois problèmes d’optimisation académiques NP-Difficiles, comme modèles de
problèmes d’optimisation académiques difficiles. Les problèmes résolus sont: le problème du
sac à dos unidimensionnel, le problème du sac à dos multidimensionnel et le problème du
voyageur de commerce.
Mots clés: Optimisation, Problème d’optimisation NP-Difficile, Métaheuristique,
Algorithme d’optimisation par essaim de particules, La recherche coucou, Hybridation, Le
problème du sac à dos, Le problème du sac à dos multidimensionnel, Le problème du
voyageur de commerce.