Algorithmes Génétiques: un croisement pour les problèmes partiellement séparables

Nicolas Durand, Jean-Marc Alliot, Joseph Noailles

Evolution Artificielle 94 (Toulouse)

1994/09/19

----

Abstract:

Dans cet article, nous proposons une méthode de croisement pour résoudre des problèmes d'optimisation globale comportant un grand nombre de variables et dont la fonction d'évaluation peut se décomposer en une somme de fonctions ne faisant pas intervenir toutes les variables. Cette méthode de croisement nécessite l'introduction d'une ``fitness locale'' associée à chaque variable et d'un paramètre d'incertitude $\Delta$ qui permet de moduler le déterminisme de l'opérateur. Cet opérateur de croisement, utilisé avec une méthode de sharing et de recuit simulé rend les algorithmes génétiques très efficaces pour minimiser des problèmes comportant beaucoup de variables ou fortement combinatoires, tels que la minimisation d'un polynome de grande taille ou la résolution du problème du voyageur de commerce.

Keywords:

ps Gzipped Postscript (47Kb) ps Postscript (179Kb) pdf PDF (183Kb)

BibTeX entry:

@InProceedings{ea94,
 title = {Algorithmes Génétiques: un croisement pour les problèmes partiellement séparables},
 author = { Nicolas Durand and Jean-Marc Alliot and Joseph Noailles },
 BookTitle = { Evolution Artificielle 94 (Toulouse) },
 year = {1994}
}

[an error occurred while processing this directive] [an error occurred while processing this directive] [an error occurred while processing this directive] [an error occurred while processing this directive]