Métaheuristique
PARIS
MEMOIRE
PRESENTE EN VUE D’OBTENIR
L’EXAMEN PROBATOIRE EN INFORMATIQUE
PAR BAPTISTE AUTIN
Les métaheuristiques en optimisation combinatoire
Soutenu le 9 mai 2006
- Jury -
Président : M. le Professeur Christophe Picouleau
Membres :
TABLES DES MATIERES
Tables des matieres 2
Introduction 3
1. Les métaheuristiques, une réponse aux problèmes d’optimisation difficile 4
1.1 Le cadre de l’optimisation combinatoire 4
Exemples de problèmes 5
1.3 Structure de voisinage et minimum local 6
1.4 Méthode exacte et méthode approchée 7
1.5 Heuristique et métaheuristique 8
1.6 Classification des métaheuristiques 9
2. Analyse des principales métaheuristiques 11
2.1 La méthode de descente 11
Avantages et inconvénients 11
2.2 La méthode du recuit simulé 12
Paramétrage 13
Variante 14
Avantages et inconvénients 14
Applications 14
2.3 La méthode Tabou 15
Mémoire à court terme 15
Application au problème d’ordonnancement de tâches 17
Mémoire à long terme 18
Avantages et inconvénients 18
2.4 La méthode GRASP 19
Avantages et inconvénients 20
2.5 Les algorithmes génétiques 20
Principe de l’algorithme génétique 21
Opérateurs de sélection 21
Opérateurs de variation 23
Avantages et inconvénients 24
2.6 Les algorithmes de colonies de fourmi 25
Principe de l’algorithme 26
Paramétrage 27
Généralisation et variantes 28
Avantages et Inconvénients 28
3. Stratégies de recherche 30
3.1 Intensification et diversification 30
3.2 Hybridation des méthodes 32
3.3 Choix d’une structure de voisinage 33
3.4 Quelle métaheuristique utiliser ? 33
Conclusion 35
Références bibliographiques 36 INTRODUCTION
Les métaheuristiques forment un ensemble de méthodes utilisées en recherche opérationnelle pour résoudre des problèmes d’optimisation réputés difficiles. Résoudre un problème d’optimisation combinatoire, c’est trouver l’optimum d’une fonction,