Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
                   M´taheuristiques & applications...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Optimisation : exemple


                   Description
Johann Dr´o
         e

                       fonction objectif
O...
Probl`me NP-complet
                        e


Johann Dr´o
         e

                                                  ...
Probl`me NP-complet
                        e


Johann Dr´o
         e

                                                  ...
Probl`me NP-complet
                        e


Johann Dr´o
         e

                                                  ...
Probl`me NP-complet
                        e


Johann Dr´o
         e

                                                  ...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
M´taheuristiques : d´finition
                    e                  e

                   Comment ?
Johann Dr´o
         e...
M´taheuristiques : d´finition
                    e                  e

                   Comment ?
Johann Dr´o
         e...
M´taheuristiques : d´finition
                    e                  e

                   Comment ?
Johann Dr´o
         e...
Algorithmes ´volutionnistes
                               e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
B...
Algorithmes ´volutionnistes
                               e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
B...
Algorithmes ´volutionnistes
                               e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
B...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Comportement g´n´ral
                                 ee


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
     ...
Op´rateurs
                     e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
  e...
´
                   Echantillonnage

Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
 ...
´
                   Echantillonnage

Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
 ...
´
                   Echantillonnage

Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
 ...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
  e
Conception
Impl´mentation
     e
lo...
Estimation de distribution


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
  e
Concep...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Recherche ` apprentissage adaptatif
                             a


Johann Dr´o
         e

Optimisation

               ...
Open Metaheuristics


Johann Dr´o
         e
                   Framework de conception
Optimisation
                     ...
Open Metaheuristics


Johann Dr´o
         e
                   Framework de conception
Optimisation
                     ...
Open Metaheuristics


Johann Dr´o
         e
                   Framework de conception
Optimisation
                     ...
Efficacit´
                          e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques
...
Param´trage
                        e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques...
Param´trage
                        e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques...
Param´trage
                        e


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
th´oriques...
Plan


Johann Dr´o
         e

Optimisation
                       Optimisation
                   1
M´taheuristiques
 e
B...
Recalage d’angiographies r´tiniennes
                                             e


                     Probl`me
      ...
Essaims de robots


Johann Dr´o
         e


                   Probl`mes
                        e
Optimisation

M´taheur...
Essaims de robots


Johann Dr´o
         e


                   Probl`mes
                        e
Optimisation

M´taheur...
Intelligence en essaim : exemple


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
Bases
Aspects
               ...
Travaux pr´liminaires
                             e


Johann Dr´o
         e

Optimisation
                   Reconstruct...
Optimisation dynamique


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
                   Probl`me
           ...
Optimisation dynamique


Johann Dr´o
         e

Optimisation

M´taheuristiques
 e
                   Probl`me
           ...
Prochain SlideShare
Chargement dans…5
×

Métaheuristiques et applications

3 014 vues

Publié le

Présentation générale des métaheuristiques et des problèmes d'optimisation qu'elles peuvent aider à résoudre.

Publié dans : Technologie, Design
0 commentaire
2 j’aime
Statistiques
Remarques
  • Soyez le premier à commenter

Aucun téléchargement
Vues
Nombre de vues
3 014
Sur SlideShare
0
Issues des intégrations
0
Intégrations
33
Actions
Partages
0
Téléchargements
135
Commentaires
0
J’aime
2
Intégrations 0
Aucune incorporation

Aucune remarque pour cette diapositive

Métaheuristiques et applications

  1. 1. Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects M´taheuristiques & applications e th´oriques e Conception Impl´mentation e logicielle Application Johann Dr´o e 20 septembre 2007
  2. 2. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  3. 3. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  4. 4. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  5. 5. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  6. 6. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  7. 7. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  8. 8. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  9. 9. Optimisation : exemple Description Johann Dr´o e fonction objectif Optimisation f(solution) = qualit´ e M´taheuristiques e Bases Aspects + contraintes th´oriques e Conception Impl´mentation e logicielle Exemples Application estimation de densit´, e classification, identification, param´trage, e allocation, plus court chemin, etc.
  10. 10. Probl`me NP-complet e Johann Dr´o e n1 n2 n3 D´finition e Optimisation n1 x 10 15 Algorithme M´taheuristiques e Bases n2 10 x 13 Non-d´terministe, e Aspects th´oriques e n3 15 13 x Conception r´solution Polynomiale. e Impl´mentation e logicielle Application Algorithme devine toujours la bonne solution Probl`me e estimation polynomiale
  11. 11. Probl`me NP-complet e Johann Dr´o e n1 n2 n3 D´finition e Optimisation n1 x 10 15 Algorithme M´taheuristiques e Bases n2 10 x 13 Non-d´terministe, e Aspects th´oriques e n3 15 13 x Conception r´solution Polynomiale. e Impl´mentation e logicielle Application Algorithme devine toujours la bonne solution Probl`me e estimation polynomiale
  12. 12. Probl`me NP-complet e Johann Dr´o e n1 n2 n3 D´finition e Optimisation n1 x 10 15 Algorithme M´taheuristiques e Bases n2 10 x 13 Non-d´terministe, e Aspects th´oriques e n3 15 13 x Conception r´solution Polynomiale. e Impl´mentation e logicielle Application Algorithme devine toujours la bonne solution Probl`me e estimation polynomiale
  13. 13. Probl`me NP-complet e Johann Dr´o e n1 n2 n3 D´finition e Optimisation n1 x 10 15 Algorithme M´taheuristiques e Bases n2 10 x 13 Non-d´terministe, e Aspects th´oriques e n3 15 13 x Conception r´solution Polynomiale. e Impl´mentation e logicielle Application Algorithme devine toujours la bonne solution Probl`me e estimation polynomiale
  14. 14. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  15. 15. M´taheuristiques : d´finition e e Comment ? Johann Dr´o e algorithmes d’optimisation, haut niveau, g´n´ralistes, ee Optimisation it´ratifs, souvent stochastiques, e M´taheuristiques e Bases utilisant seulement les solutions, type essais/erreurs. Aspects th´oriques e Conception Impl´mentation e logicielle Pour quoi ? Application recherche op´rationnelle, I.A., e ing´nierie, e probl`mes « difficiles »(NP, e optimums locaux, discontinuit´s, etc.), e combinatoires, continus, multi-objectifs, stochastiques, etc.
  16. 16. M´taheuristiques : d´finition e e Comment ? Johann Dr´o e algorithmes d’optimisation, haut niveau, g´n´ralistes, ee Optimisation it´ratifs, souvent stochastiques, e M´taheuristiques e Bases utilisant seulement les solutions, type essais/erreurs. Aspects th´oriques e Conception Impl´mentation e logicielle Pour quoi ? Application recherche op´rationnelle, I.A., e ing´nierie, e probl`mes « difficiles »(NP, e optimums locaux, discontinuit´s, etc.), e combinatoires, continus, multi-objectifs, stochastiques, etc.
  17. 17. M´taheuristiques : d´finition e e Comment ? Johann Dr´o e algorithmes d’optimisation, haut niveau, g´n´ralistes, ee Optimisation it´ratifs, souvent stochastiques, e M´taheuristiques e Bases utilisant seulement les solutions, type essais/erreurs. Aspects th´oriques e Conception Impl´mentation e logicielle Pour quoi ? Application recherche op´rationnelle, I.A., e ing´nierie, e probl`mes e « difficiles »(optimums locaux, discontinuit´s, etc.), e combinatoires, continus, multi-objectifs, stochastiques, etc.
  18. 18. Algorithmes ´volutionnistes e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  19. 19. Algorithmes ´volutionnistes e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  20. 20. Algorithmes ´volutionnistes e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  21. 21. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  22. 22. Comportement g´n´ral ee Johann Dr´o e Optimisation M´taheuristiques e Convergence Bases Aspects G´n´ralement : au pire ee th´oriques e Conception comme une recherche Impl´mentation e logicielle al´atoire, e Application borne difficile ` a d´terminer, e ergodicit´ ou e quasi-ergodicit´. e
  23. 23. Op´rateurs e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  24. 24. ´ Echantillonnage Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  25. 25. ´ Echantillonnage Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application ´ Echantillonnage de la fonction objectif “explicite” : distribution → loi → ´chantillon, e “implicite” : ´chantillon → ´chantillon, e e “direct” : fonction objectif → ´chantillon. e Liens avec l’apprentissage artificiel.
  26. 26. ´ Echantillonnage Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application ´ Echantillonnage de la fonction objectif “explicite” : distribution → loi → ´chantillon, e “implicite” : ´chantillon → ´chantillon, e e “direct” : fonction objectif → ´chantillon. e Liens avec l’apprentissage artificiel.
  27. 27. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  28. 28. Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  29. 29. Estimation de distribution Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  30. 30. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  31. 31. Recherche ` apprentissage adaptatif a Johann Dr´o e Optimisation Cadre commun M´taheuristiques e Bases Algorithmes stochastiques, Aspects th´oriques e Conception ´chantillonnage, e Impl´mentation e logicielle op´rateurs : e Application diversification, intensification, apprentissage. enchaˆ ınement it´ratif des op´rateurs. e e
  32. 32. Open Metaheuristics Johann Dr´o e Framework de conception Optimisation C++, M´taheuristiques e Design par templates, Bases Aspects th´oriques e s´paration algorithme / probl`mes / interface de e e Conception Impl´mentation e communication, logicielle Application sortie XML, ensemble des informations. Outils de tests Python, R, gestion des tests, graphiques, rapports, comparaisons.
  33. 33. Open Metaheuristics Johann Dr´o e Framework de conception Optimisation C++, M´taheuristiques e Design par templates, Bases Aspects th´oriques e s´paration algorithme / probl`mes / interface de e e Conception Impl´mentation e communication, logicielle Application sortie XML, ensemble des informations. Outils de tests Python, R, gestion des tests, graphiques, rapports, comparaisons.
  34. 34. Open Metaheuristics Johann Dr´o e Framework de conception Optimisation C++, M´taheuristiques e Design par templates, Bases Aspects th´oriques e s´paration algorithme / probl`mes / interface de e e Conception Impl´mentation e communication, logicielle Application sortie XML, ensemble des informations. Outils de tests Python, R, gestion des tests, graphiques, rapports, comparaisons.
  35. 35. Efficacit´ e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Efficacit´ e Impl´mentation e logicielle No free-lunch Application impl´mentation e tests statistique
  36. 36. Param´trage e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  37. 37. Param´trage e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  38. 38. Param´trage e Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects th´oriques e Conception Impl´mentation e logicielle Application
  39. 39. Plan Johann Dr´o e Optimisation Optimisation 1 M´taheuristiques e Bases Aspects th´oriques e M´taheuristiques e Conception 2 Impl´mentation e logicielle Bases Application Aspects th´oriques e Conception Impl´mentation logicielle e Application 3
  40. 40. Recalage d’angiographies r´tiniennes e Probl`me e Johann Dr´o e d´calages (entiers), e Optimisation M´taheuristiques e rotations, zooms, Bases Aspects pas de voisinage, th´oriques e Conception Impl´mentation e logicielle M´thode e Application pr´traitement, e m´taheuristiques, e flot optique. R´sultats e temps de calcul, robustesse.
  41. 41. Essaims de robots Johann Dr´o e Probl`mes e Optimisation M´taheuristiques e Livraisons, nettoyage, Bases Aspects surveillance, monitoring, th´oriques e Conception Impl´mentation e guidage, etc. logicielle Application Gestion de l’aspect essaim Organisation des d´placements, e localisation des robots, comportement global/r`gles locales, e simulations sur Player/Stage.
  42. 42. Essaims de robots Johann Dr´o e Probl`mes e Optimisation M´taheuristiques e Livraisons, nettoyage, Bases Aspects surveillance, monitoring, th´oriques e Conception Impl´mentation e guidage, etc. logicielle Application Gestion de l’aspect essaim Organisation des d´placements, e localisation des robots, comportement global/r`gles locales, e simulations sur Player/Stage.
  43. 43. Intelligence en essaim : exemple Johann Dr´o e Optimisation M´taheuristiques e Bases Aspects Mod`le e th´oriques e Conception Recrutement, Impl´mentation e logicielle multi-agents, interactions, Application comportement global, auto-organisation.
  44. 44. Travaux pr´liminaires e Johann Dr´o e Optimisation Reconstruction de mod`le e M´taheuristiques e Physique optique, Bases Aspects th´oriques e mod`le physique de lentille, e Conception Impl´mentation e logicielle reconstruction depuis images. Application R´seaux ad-hocs e R´seaux ad-hocs tr`s dynamiques, e e routage, qualit´ de service, e colonies de fourmis.
  45. 45. Optimisation dynamique Johann Dr´o e Optimisation M´taheuristiques e Probl`me e Bases Aspects Non-stationnaire, th´oriques e Conception Impl´mentation e variables enti`res, e logicielle Application nouveau benchmark. Algorithmes Colonies de fourmis, distribu´, adaptatif. e
  46. 46. Optimisation dynamique Johann Dr´o e Optimisation M´taheuristiques e Probl`me e Bases Aspects Non-stationnaire, th´oriques e Conception Impl´mentation e variables enti`res, e logicielle Application nouveau benchmark. Algorithmes Colonies de fourmis, distribu´, adaptatif. e

×