Les oiseaux picorant artificiels : une nouvelle méta-heuristique inspirée du comportement des pigeons
Résumé
Many optimization algorithms and metaheuristics have been inspired by nature, e.g. by the social behavior of honey bees for Artificial Bee Colony (ABC). These algorithms often permit solving a wide range of optimization problems. In this paper, we present Artificial Feeding Birds (AFB), a new metaheuristic inspired by the behavior of pigeons searching for food. AFB is very simple, yet efficient, and easy to adapt to various optimization problems. We apply it to unconstrained global nonlinear optimization (including the training of artificial neural networks) and to the resolution of traveling salesman problem. We also show that AFB gives results equivalent or better than ABC on several benchmark functions. Finally, we discuss the differences between the two algorithms and the choice of inspiration sources from nature.
De nombreux algorithmes et méta-heuristiques pour l'optimisation s'inspirent de la nature, par exemple du com-portement social des abeilles pour l'algorithme ABC (Artificial Bee Colony). Ces algorithmes permettent souvent de résoudre des problèmes d'optimisation de nature très diverse. Dans cet article, nous proposons une nouvelle méta-heuristique, les oiseaux picorant artificiels (OPA), inspirée du comportement des pigeons lorsqu'ils sont à la recherche de nourriture. Cet algorithme est très simple, il donne de bons résultats et peut facilement s'adapter à des problèmes d'optimisation divers. Nous l'appliquons à l'optimisation globale non linéaire (y compris l'apprentissage de réseaux de neurones artificiels) et à la résolution du problème du voyageur de commerce, et nous montrons que OPA donne des résultats équivalents ou meilleurs que ABC sur plusieurs fonctions de test. Enfin, nous discuterons des différences entre les deux algorithmes et du choix des sources d'inspiration issues de la nature.
Domaines
Intelligence artificielle [cs.AI]
Origine : Fichiers produits par l'(les) auteur(s)
Loading...