Hybridation de programmation par contraintes sur intervalles et d'algorithmes évolutionnaires pour l'optimisation globale - Cooperation of evolutionary algorithms and interval constraint programming
Résumé
Le caractère combinatoire de nombreux problèmes d'optimisation non linéaires handicape fortement la recherche d'optima globaux. Les méthodes déterministes garantissant l'optimalité de la solution, telles que les algorithmes de Branch and Bound par Intervalles, ne convergent pas dans un délai raisonnable. A l'inverse, les Algorithmes Evolutionnaires opérant dans le domaine continu fournissent rapidement des solutions satisfaisantes, sans toutefois garantir leur optimalité. Alliot et al. ont posé les bases d'un nouveau type d'algorithme hybride combinant l'efficacité des Algorithmes Evolutionnaires et l'exactitude de l'Arithmétique d'Intervalles dans le but de prouver l'optimalité des solutions de problèmes difficiles sans contraintes. Une preuve d'optimalité inédite a été donnée pour plusieurs fonctions de benchmark, ce qui met en évidence la validité de cette approche. Cependant, son efficacité peut être grandement améliorée en tirant parti de la forme analytique de la fonction : la formulation originale de l'algorithme hybride n'exploite pas la monotonie locale de la fonction et les techniques de propagation de contraintes. Dans la présente communication, nous proposons une approche avancée dans laquelle Algorithmes Evolutionnaires coopèrent avec Programmation par Contraintes sur Intervalles. Les performances sont comparées sur deux fonctions de benchmark et de nouveaux résultats optimaux sont obtenus.
Origine : Fichiers éditeurs autorisés sur une archive ouverte
Loading...