1 / 16

Présentation: Variantes des algorithmes de fourmis

Présentation: Variantes des algorithmes de fourmis. INF7440---Conception et analyse d’algorithme Professeur: M. Alex Friedmann Présenté par Hao Wang Session d’Automne 2006 UQÀM. Plan de la présentation. Introduction de l’algorithme de fourmis et ses variantes

deiter
Download Presentation

Présentation: Variantes des algorithmes de fourmis

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Présentation: Variantes des algorithmes de fourmis INF7440---Conception et analyse d’algorithme Professeur: M. Alex Friedmann Présenté par Hao Wang Session d’Automne 2006 UQÀM

  2. Plan de la présentation • Introduction de l’algorithme de fourmis et ses variantes • L’algorithme de fourmis Élitistes et la stratégie de la classement • L’algorithme de fourmis basé sur la stratégie de ‘Meilleure Tour Local’ • Le système de fourmis ‘Max Min’ et les perfectionnement du système de fourmis ‘Max Min’ • Mise en ouvre du cadre de hybercube dans l’algorithme de fourmis • Conclusion

  3. Principe de l’algorithme de fourmis • L’heuristique d’algorithme de fourmis consiste de trois phrases principaux en résoudrant le problème de commis à voyageur (proposée par M.Dorigo [1]) : • La construction de chemins initiales • La mise à jours de phéromones • Amélioration de la qualité de solution

  4. Variantes d’algorithme de fourmis • L’algorithme de fourmis Élitistes • Proposée par M. Dorigo, Maniezzo et Colori(1996) • La meilleure tour trouvée jusqu’à l’itération actuelle reçoit une extra phéromone • L’algorithme de fourmis basé sur la classement • Proposée par M. Bullnheimer, Hartl et Strauss(1999) • Les fourmis sont triées selon leurs longueurs de solutions construits, la mise à jour de phéromones se fait en fonction de la contribution de chaque fourmi • L’algorithme de fourmis basé sur la stratégie de ‘Meilleure tour local’ • Procédé par M.Tony, Simon et Terri (2003) • Inspiré de l’algorithme de fourmis Elitistes, chaque fourmi conserve son meilleure tour local et le renforce dans la mise à jour de phéromones à chaque itération • L’algorithme de fourmis ‘Max Min’ • Procédé par M. Stutzle et Hoos (2000) • Une limite explicite est imposée sur la phéromone • Les phéromones sont initialisées à la borne supérieure • Mise en œuvre du cadre de hypercube dans le système de colonies de fourmis • Proposée par M. Dorigo et Chritian (2004) • Implémentation de l’algorithme de fourmis dans une espace de hypercube

  5. L’algorithme de fourmis Élitistes • Procédure de mise à jour de phéromones: • La phéromone s’évapore avec un taux d’évaporation sur chaque bord de solution • Chaque fourmi dépose des phéromones sur des bords de solutions trouvées dans l’itération respective • Mise à jour des phéromones sur la meilleure solution par les fourmis Élitistes • Lorsqu’il y a trop de fourmis, ils encouragent d’exploitation sur de chemins locaux, ça provoque le problème de ‘État de stagnation’ • La formalisation de mise à jour de phéromones:

  6. La stratégie de la classement • Les solutions générées par les fourmis seront triées par leurs longueurs de tour en associe un rang: • Chaque fourmi est assigné d’une contribution pondérée dénotée par d’où le est le nombre des fourmis Élitistes. • Les premières fourmis seront choisis à participer la mise à jour de phéromones pour éviter le problème de stagnation • La formalisation de mise à jour de phéromones est la suivante:

  7. La stratégie de Meilleure Tour Local • Description de la différence entre la stratégie de fourmis Élitistes et la stratégie de MTL: • Stratégie de fourmis Élitistes : Mise à jour des phéromones sur la meilleure solution se fait par les fourmis Élitistes • Stratégie de MTL: Chaque fourmi renforce son meilleure tour local en appliquant la règle de mise à jour de phéromone standard dans l’algorithme de fourmis • La comparaison de performance entre la stratégie de MTL et la stratégie de fourmis Élitistes , le résultat expérimental est démontré au dessous:

  8. Le système de fourmis ‘Max-Min’ • Les critères adaptées dans le système de fourmis ‘Max Min’: • Mise à jour de phéromones sera fait par une seule fourmi • la phéromone déposée sur chaque bord de solution sera limitée dans un intervalle qui est dénotée par [ ] • Les phéromones sur chaque bord seront initialisée à la value maximum • La règle de mise à jour de phéromones:

  9. La détermination de limite de phéromones • L’état de convergence du système de ‘Max Min’ • La détermination de la borne supérieure se fait de façon dynamique, elle s’exprime sous la forme mathématique suivante: • La value de la borne inférieure est calculée sous la formule mathématique suivante:

  10. Perfectionnements du système de fourmis ‘Max Min’ • Mécanisme de lissage de phéromones: la mise a jour de phéromones sur chaque chemin se fait proportionnellement en fonction de leur différences avec la borne supérieure: • Le système de fourmis en appliquant la recherche locale afin d’améliorer la qualité de solution locale • Les algorithmes de recherche locale 2-Opt, 3-Opt et Lin-Kernigan • Le résultat démontre que l’application de l’heuristique Lin-Kernigan dans l’algorithme de fourmis aura une performance plus significatif

  11. Comparaison et analyse des algorithmes de fourmis • Le système de fourmis ‘Max Min’ produit des meilleures solutions en terme de qualité • Résultats expérimentaux démontrent que le mécanisme de lissage fournit une perfectionnement significatif en terme de la performance d’algorithme • Analyse d’algorithme de fourmis: Complexité d’algorithme de fourmis avec n villes disponible, la stratégie de liste de candidat réduit la complexité à

  12. Mise en œuvre du cadre de hypercube dans l’algorithme de fourmis • Les phéromones associées aux bords de chemin seront considérées comme étant un vecteur : • L’ensemble des solutions faisables S est vu comme un sous ensemble des sommets de hypercube de n dimensionnels, un ensemble étendue de solutions faisables S est interprétée comme un enveloppe convexe dans l’espace de hybercube, la formalisation mathématique est la suivante:

  13. Mise en œuvre du cadre de hypercube dans l’algorithme de fourmis • La forme de mise a jour de phéromones est interprétée comme une déplacement du vecteur sur le plan d’enveloppe convexe , il est décrit sous la forme suivante: • Le facteur signifie un taux d’apprentissage à l’intervalle [0,1], le vecteur est considérée comme un moyen pondéré aux chemins candidats à mettre à jour

  14. Conclusion • L’algorithme de fourmis a été amélioré par ces stratégies en terme de la qualité de solution et la performance • L’algorithme de fourmis fournit des avantages multiples en l’appliquant dans les diverses domaines • Dans la recherche de future, l’algorithme tende d’être une technologie hybride en incorporant les méthodes AI(intelligence artificielle) et OR(la recherche opérationnelle): la méthode de vorace, la méthode de marche en arrière et la programmation contrainte etc.

  15. Bibliographies • [1] DORIGO, Marco, GAMBARDELLA, Ant Colony System : A Cooperative Learning Approch to the Traveling Salesman Problem. IEEE Transactions on Evolutionary Computation, Vol : 1 No : 1. p.53-66, 1997 • [2] DORIGO, Marco, Christian, Blum, The Hyber-Cube Framework for Ant Colony Optimization. IEEE Transactions on Systems, Man, AND Cybernetics --- Part B: Cybernetics, Vol: 34 No: 2, April 2004 • [3] B. Bullnheimer, R. F. Hartl and C. Strauss, A New Rank Based Version of the Ant System: A Computational Study. Central European Journal for Operations Research and Economics, Vol:7. p.25-38, 1999 • [4] T. Stützle, H. H. Hoos, MAX-MIN Ant System. Future Generation Computer Systems. Vol : 16 No 8.p.889-914,2000 • [5] T. Stützle, H. H. Hoos, MAX-MIN Ant System and Local Search for the Traveling Salesman Problem. Evolutionary Computation, No 13-16. p.309- 314,1997 • [6] Christian, Blum, Ant colony optimization: Introduction and recent trends. Physics of Life Reviews, Vol: 2. p.353-373, 2005 • [7] Tony, White, Simon, Kaegi, Terri, Oda, Revisiting Elitism in Ant Colony Optimization. Genetic and Evolutionnary Computation Conference, LNCS 2723, p.122-133, 2003 • [8] Christian, Blum, Ant colony optimization: Introduction and recent trends. Physics of Life Reviews, Vol: 2. p.353-373, 2005

  16. Merci et questions?

More Related