Exposé kangourou - reussirlem1info

UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE D’ORAN
L’Optimisation par la méthode
Kangourou
Professeur responsable ::Mr BENYETTOU MOHAMED
Présentée par: BOUCHETARA KARIMA

Sommaire
1- Introduction.
2-Métaheurstique.
2.1 Définition.
2.2 Classification.
3-Descente stochastique
3.1 Définition.
3.2 Principe.
3.3 Schéma général de la descente stochastique
3.4 Algorithmes basés sur la descente aléatoire
4-La méthode kangourou
4-1 Définition
4-2 Notion de voisinage
4-3 Principe
4-4 Algorithme
4-5 Exemple
4-6 Avantages et inconvénients.
5- Conclusion

1-Introduction
En mathématiques, L’ optimisation combinatoire consiste à
trouver la meilleure solution entre un nombre fini de choix.
Autrement dit, à minimiser une fonction, avec ou sans
contraintes, sur un ensemble fini de possibilités.
un problème d'optimisation combinatoire se définit par l’ensemble
de ses instances, souvent nombreuses. Ces problèmes sont facile
à définir mais difficile à résoudre.
Et pour résoudre ces problèmes, plusieurs méthodes ont été
développées, on peut les classer dans deux grandes catégories:
les méthodes exacte et les méthodes approchées, mais des
problèmes ont été rencontrés au cours de ces méthodes, alors
depuis une trentaine d’années une nouvelle génération de
méthodes puissantes est apparue et qui s’intitule «
Métaheuristiques ».

2-Métaheuristique
2-1 Définition
Le mot métaheuristique est dérivé de la composition de deux mots grecs:
-heuristique qui vient du verbe heuriskein (ευρισκειν) et qui signifie
‘trouver’
-méta qui est un suffixe signifiant ‘au-delà’, ‘dans un niveau
supérieur’.
Les métaheuristiques forment un ensemble de méthodes utilisées en
recherche opérationnelle pour résoudre des problèmes d’optimisation
réputés difficiles. C’est une nouvelle génération de méthodes
approchées puissante.
En 2006, le réseau Metaheuristics définit les métaheuristiques comme
« un ensemble de concepts utilisés pour définir des méthodes
heuristiques, pouvant être appliqués à une grande variété de
problèmes. On peut voir la métaheuristiques comme une « boîte à
outils » algorithmique, utilisable pour résoudre différents problèmes
d’optimisation, et ne nécessitant que peu de modifications pour qu’elle
puisse s’adapter à un problème particulier ».

2-Métaheuristique
2-2 Classification
On peut distinguer deux grandes approches dans les
métaheuristiques:
•les approches « trajectoire »: Ces méthodes partent d’une
solution initiale (obtenue de façon exacte, ou par tirage
aléatoire) et s’en éloignent progressivement, pour réaliser une
trajectoire, un parcours progressif dans l’espace des solutions.
Dans cette catégorie, se rangent :la méthode de descente, le
recuit simulé, la méthode Tabou.
Le terme de recherche locale est de plus en plus utilisé pour
qualifier ces méthodes.
•les approches « population » (ou évolutionnaires)
Elles consistent à travailler avec un ensemble de solutions
simultanément, que l’on fait évoluer graduellement.
L’utilisation de plusieurs solutions simultanément permet
naturellement d’améliorer l’exploration de l’espace des
configurations. Dans cette seconde catégorie, on recense : les
algorithmes génétiques, les algorithmes par colonies de fourmi,
l’optimisation par essaim particulaire…