Métaheuristique

trouver avec certitude un extremum global d’une fonction. Les extrema déterminables sont toujours locaux à un domaine, et demandent souvent même en ce cas quelques caractéristiques à la fonction, par exemple dans certains cas la continuité. Les métaheuristiques sont une classe d’algorithmes d’optimisation qui tentent d’obtenir une valeur approchée de l’optimum global dans le cas de problèmes d’optimisation difficiles. Elles ne donnent cependant aucune garanties sur la fiabilité du résultat. 220

Stratégie de prédimensionnement de convertisseurs statiques pour l’automobile », Thèse de Doctorat de l’INPG, 2002. L. Herskovits, « A view on non linear optimisation », http://baillp.free.fr/Data/optimisation.pdf P. Siarry, « Application des métaheuristiques d’optimisation en électronique », Techniques de l’Ingénieur, RE8, 2002. B. Gotzig, « Recherche du schéma optimal d’exploitation d’un réseau de distribution électrique », Thèse de Doctorat de l’INPG, le 3 décembre 1997. C. Culioli, « Introduction

Yousefli 2011) tels que la théorie des graphes (Hakimi, 1964), les algorithmes de recherche arborescente (Kuenne et Soland, 1972), les méthodes exactes branch-and-bound, la relaxation lagrangienne ou la simulation (Murray et Church, 1996). Les métaheuristiques ont également été utilisées, comme la recherche tabou ou tabu search (Ohlemüller, 1997), le recuit simulé ou simulated annealing, la méthode de descente aléatoire proposée par Ernst et Krishnamoorthy (1999), l'algorithme amélioré avec la recherche