Méthode des Abeilles

Méthode des Abeilles
Optimisation Avancée
1
Sommaire
Introduction…………………………………………………………….2
1. Définition ……………………………………………………………..2
2. Historique…………………………………………………………….2
3. Domaine d’application……………………………………………….2
4.Les Travaux réalisés sur les domaines d’application …………………….3
5.Algorithme……………………………………………………………4
6.Exemple d’application ………………………………………………5
7. Avantage et inconvénient…………………………………………..6
Bibliographie…………………………………………………………….7

Méthode des Abeilles
Optimisation Avancée
2
La notion de l’optimisation est un mécanisme par lequel on trouve la
valeur Maximale ou minimale d’une fonction objectif. Cette optimisation
permet de résoudre différents problèmes on utilise une méthode de
résolution. Dans ce rapport on a étudié une méthode évolutif qui dépend
des méthodes Approché (Méta heuristique) c’est la méthode des Abeilles.
1.Définition :
La méthode des Abeilles est une méthode Approché (Les méta
heuristique) qui nous permet de résoudre des problèmes d’optimisation
combinatoire.
Ind : Les méta heuristique se sont des heuristiques peuvent aller d’un
simple algorithme de recherche local à une classe générale d’heuristique
appelée méta-heuristique.
Des heuristiques consistent à trouver une solution de l’optimum en un
temps raisonnable.
2. Historique :
Parmi, les algorithmes de recherche on a l’algorithme des abeilles qui a
était développé en 2005 .Il fait exécuté un genre de recherche de
voisinage combiné avec la recherche aléatoire et on peut l’appliquer dans
les deux optimisations combinatoire et fonctionnelle.
3. Domaine d’application :
L'algorithme d'abeilles, qui est inspiré par le comportement de forager
de nourriture des abeilles à miel.il existe plusieurs applications dans divers
domaines :
 Réseaux neurologiques s'exerçants pour l'identification de modèle.
 Formation des cellules de production.
 Les travaux de Scheduling pour une machine de production.

Méthode des Abeilles
Optimisation Avancée
3
 Conclusion des solutions faisables multiples aux problèmes
préliminaires d'une conception.
 Grouper de données.
 Linéarisation de la conception des composants mécaniques.
 Optimisation Multi-Objective.
 Accord d'un contrôleur de logique floue pour un gymnaste de
robot.
 Conception Mécanique.
 Job scheduling :l’ordonnancement des taches informatique.
4. Les Travaux réalisés sur les domaines d’application :[1]
 Optimisation des poids de perceptrons multicouche en utilisant
l'algorithme d'abeilles
Réaliser par : D. T. Pham, E. Koç, A. Ghanbarzadeh, et S. Otri aux
5ème colloque international de Proc sur les systèmes de fabrication
intelligents, Turquie, 2006.
 Formation de cellule de production en utilisant l'algorithme d'abeilles.
Réaliser par : Duc Truong Pham, Ashraf Afify, Ebubekir Koc aux
Conférence virtuelle innovatrice de machines et de systèmes de
production d'IPROMS 2007, Cardiff, R-U.
 utilisation l'algorithme d'abeilles pour programmer les travaux pour
une machine
Réaliser par : D. T. Pham, E. Koç, J. Y. Lee, et J. Phrueksanant aux la
conférence internationale de Proc huitième sur la métrologie de
laser, CMM et l'exécution de machine-outil, LAMDAMAP, Euspen, R-
U, Cardiff, P. 430-439, 2007.
 conception préliminaire en utilisant l'algorithme d'abeilles .
Réaliser par : D. T. Pham, M. Castellani, et A. Ghanbarzadeh aux la
conférence internationale de Proc huitième sur la métrologie de laser, le
CMM et l'exécution de machine-outil, LAMDAMAP, Euspen, R-U, Cardiff, P.
420-429, 2007.
 données groupant en utilisant l'algorithme d'abeilles.

Méthode des Abeilles
Optimisation Avancée
4
Réaliser par : D. T. Pham, S. Otri, A. A. Afify, M. Mahmuddin, et H. Al-
Jabbouli aux Proc quarantième CIRP interne. Conférence de systèmes de
fabrication, Liverpool, 2007.
 Optimisation Multi-Objective en utilisant l'algorithme d'abeilles
Réaliser par : Pham D.T., Ghanbarzadeh A aux Démarches de Conférence
d'IPROMS 2007
5.Algorithme :
Initialisation de la population (Abeille scout) (n)
Evaluer la fitness de la population
………………………………………………………………………………..
Sélectionner l’emplacement pour la recherche du voisinage (m).
Déterminer la taille des voisinage (e). Recherche
de voisinage
Nombre d’Abeille recruté pour les emplacements meilleurs.
……………………………………………………………………………….
Attribuer les abeilles restantes (n-m) pour la recherche.
Nouvel population des abeilles scoutes.

Méthode des Abeilles
Optimisation Avancée
5
Initialisez la population avec les solutions aléatoires.
 Évaluez la forme physique de la population.
 Tandis que (arrêtant le critère non rencontré) nouvelle population
 Emplacements choisis pour la recherche de voisinage.
 Recrutez les abeilles pour les emplacements choisis (plus d'abeilles
pour les meilleurs emplacements d'e) et évaluez les fitnesses.
 Choisissez l'abeille la plus convenable à partir de chaque pièce
rapportée.
 Assignez les abeilles restantes à la recherche aléatoirement et
évaluez leurs fitnesses.
6.Exemple d’application :
Modèle de colonies d'abeilles pour des problèmes d'ordonnancement job
shop.
Ind : d'ordonnancement job shop a comme objectif de trouver une
séquence de taches sur les Machines (Abeille) qui minimise le temps totale
de la production.
 Une solution réalisable dans un problème d'ordonnancement job
shop est un programme complet d'opérations spécifiées dans le
problème.
 Chaque solution peut être considéré comme un chemin de la ruche à
la source de nourriture.
 Le makespan (fitness) de la solution est analogue à la rentabilité de
la source alimentaire en termes de distance et de la douceur du
nectar. Ainsi, plus le makespan (fitness), plus la rentabilité du chemin
solution.
 Nous pouvons ainsi maintenir une colonie d'abeilles, où chaque
abeille va traverser un chemin solution potentielle. Une fois une
solution réalisable est trouvée, chaque abeille sera de retour à la
ruche pour effectuer une danse frétillante.
 La danse frétillante sera représenté par une liste de «solutions
d'élite», à partir de laquelle les autres abeilles peuvent choisir de
suivre le chemin une autre abeille.