A heuristic multi-agents model to solve the TSP

921 vues

Publié le

0 commentaire
1 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
921
Sur SlideShare
0
Issues des intégrations
0
Intégrations
3
Actions
Partages
0
Téléchargements
135
Commentaires
0
J’aime
1
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

A heuristic multi-agents model to solve the TSP

  1. 1. Résolution du problème du voyageur de commerce viaun approche multi-agentElaboré par:Sakhraoui NouraEncadré par:Mnasri Sami
  2. 2. 1IntroductionEtat de lartModélisation & RésolutionRésultatConclusion et perspectives
  3. 3. 2IntroductionEn vue commerciale une société veut transporter ses produitsfabriqués dans l’ensemble de ces usines vers un tel nombre declients. Elle s’adapte donc de plusieurs chemins possibles. Letransport des opérations de livraisons est coûteux. Notreobjectif est de choisir une meilleure route pour minimiser cecoût : c’est le problème posé par un voyageur de commerce.Dont ce problème se focalise ainsi d’optimiser le chemin totaleparcourue de la tournée complète vers les clients pour fournirles produits en revenants au point de départ c’est celui ducentre de distribution.
  4. 4. 3Définition du PVC• Le problème du voyageur de commerce consiste à trouver le plus courtchemin qui relie un ensembles des villes séparées par des distancesPrésentation du problème Le problème du voyageur de commerce consiste à trouver un parcours àemprunter de longueur minimum. Le voyageur doit respecter un ensemble de contraintes tels que, la visited’une et une seule fois chaque ville du parcours et la rentrée à la ville dudépart. Ce problème est connu par sa grande difficulté. Il est l’un des problèmesde la classe NP-difficile les plus étudiés.
  5. 5. 4Etat de l’art Modélisation linéaire: la modélisation linéaire est amené à développer un arbre derecherche en posant des points de choix sur les valeurs desvariables Programmation dynamique: La programmation dynamique est une technique générale derésolution exacte de problèmes d’optimisation qui consiste àénumérer les solutions du problème Cette énumération est factorisée et complète
  6. 6. Etat de l’art Approche simplifiée Le problème est trouver un chemin de longueur totaleminimale qui passe exactement une fois par chaque point etrevienne au point de départ. Approche détaillées. Le problème est de trouver le plus court cyclehamiltonien pour un graphe complet G= (V, A, W) avec V unensemble de sommets, A un ensemble darêtes et W une fonctionde coût sur les arcswww.wondershare.com
  7. 7. 5• Heuristiques exactes c’est l’heuristique ou bien la méthode la plusperformante et la plus fiable. Cette méthode visant à mettre en place un arbre binairede recherche : le premier nœud de l’arbre représente la ville de départ,puis la ville qui suit est la prochaine ville visitée etc. et oncrée autant de nœuds qu’il reste de ville à visiter. Dans chaque nœud, le choix nécessite à sélectionner laprochaine ville à visiter parmi les villes restantes.
  8. 8. 6 Parmi les méthodes approchées on trouve:Heuristiques approchées: Ces heuristiques: s’améliorent pour connaitre des nouveaux développements. sont de plus en plus sophistiquées leur efficacité s’est incontestablement perfectionnée et peuvent se générer des outils particulièrement performantsPhase du détailsPhase d’ évaluationPhase deSéparation
  9. 9. Parmi les méthodes exactes on trouve:Algorithme duplus prochevoisinL’algorithme dedescente locale La méthode del’elastiqueLa méthode dutabouLes algorithmesgenétiquesAlgorithme decolonies defourmisLe recuitsimulé7
  10. 10.  Plusieurs extensions du TSP peuvent être formulées. Les plus importantessont les suivantes :www.wondershare.comLe problème de SteinerL’ITSP pondèreLe GITSP8
  11. 11. 9Modélisation & Résolution Système multi agent Un système multi-agent (SMA) est un système composé dun ensembled‘agents situés dans un certain environnement et interagissant seloncertaines relation système multi agent Agent Un agent est une entité physique caractérisée par : Son autonomie dans la prise de décision, Ses informations sur lui-même, sur les autres agents et sur sonenvironnement Avantages:• Les SMA héritent des bénéfices de l’IA au niveau du traitement symbolique• Souplesse de l’outil• Une résolution distribuée de problèmes Inconvénients la complexité et la difficulté de leur modélisation et développement
  12. 12. 10Modélisation & Résolution le coût élevé du support matériel et logiciel. Laugmentation du nombre des agents et des états de la coordinationTypes d’agent: Agents cognitifs : Le but de concevoir un agent dit cognitif est: Appliquer le modèle des activités humaines distribuées et du comportement social Modéliser nos logiciels de plus en plus complexes. Agents réactif les agents réactifs sont des composantes très simples qui perçoiventlenvironnement et sont capables dagir sur celui-ci. Les agents hybridesL’agent hybrides est: combinent les caractéristiques des agents cognitifs et les agents réactifs conçu comme alliant comportement réactif et comportement cognitif.
  13. 13. 11Modélisation & RésolutionEnvironnement• l’environnement est : Un milieu d’interactions : signaux, traces, … avec des lois physiques ounon; Un lieu où les actions individuelles ou collectives sont réalisées, où desréactions sont perçuesOrganisation: Ensemble de relations entre des rôles Ensemble des engagements communs entre les agents et des conventionssociales
  14. 14. 8Modélisation & RésolutionLa négociation: est le processus d’améliorer les accords sur des points de vue communs ou desplans d’action grâce à l’échange structuré d’informations pertinentesApproches multi agentAgent ville Agent gestionnaireRecevoir l’ordre de chercheur le voisin Créer les agents villesChercher le voisin etajouter a la liste des villes visitéChercher la plus proche ville etajouter à la liste des villes visitésDonner l’ordre de recherche Donner l’ordre (MSG) et chercher le voisin
  15. 15. 9Modélisation & RésolutionMéthodologie proposée : OMASE
  16. 16. 10Modélisation & Résolution• Le modèle de but est obtenue en décomposant le but principal du systèmeen Sous-buts
  17. 17. 10Modélisation & Résolution• Dans ce modèle on s’intéresse aux interactions et aux communicationsentre les agents du système.
  18. 18. 11Résultat1. Définition des agentsvilles2.Ajout des villes à la canvas3.Traçage de la tournée 4.Vidage du menu principal5.Affichage des villes
  19. 19. Résultat12
  20. 20. 13Résultat
  21. 21. Résultat
  22. 22. Conclusion et perspectivesConclusionPerspectives14o Optimisation et amélioration le temps d’exécution de problème de voyageur decommerceo Implémentation des nouveaux applications permettant de résoudre le problèmede voyageur de commerceo Le PVC fournit un exemple d’étude d’un problème NP-complet dont les méthodes de résolution peuvent s’appliquerà d’autre problèmes mathématiques discrète notammentdans les transports et la logique

×