API, Une Meta heuristique pour l'optimisation difficile

Abstract

Les algorithmes de colonies de fourmis introduits par Colorni, forment une classe de métaheuristiques récemment proposée pour la résolution des problèmes d’optimisation difficile. Ces algorithmes s’inspirent des comportements collectifs de fourragement observés dans les colonies de fourmis. Dans la majorité des travaux rencontrés en littérature, ces algorithmes sont utilisés pour la résolution des problèmes combinatoires, mais il existe une classe de problèmes souvent rencontrée en ingénierie, où la fonction objectif est continue et complexe (non dérivable, multiple minimums locaux, grand nombre de variables..). Dans ce travail, on présente l’algorithme de colonie de fourmis API et son application aux problèmes d’optimisation continue. Cette méthode, basée sur le modèle du comportement de fourragement d’une espèce de fourmis primitives (Pachycondyla APIcalis), exécute des recherches aléatoires parallèles à proximité de points appelés sites de chasse. Ces sites sont créés autour d'un point appelé nid et à intervalles constants de temps ce nid est déplacé. Ceci correspond en optimisation à un algorithme effectuant plusieurs recherches aléatoires en parallèle et localisées uniformément dans un sous-espace centré en un point (le nid). Le déplacement du nid correspond à un opérateur de réinitialisation dans les recherches parallèles où le point central est déplacé. La procédure est employée pour déterminer simultanément les paramètres électriques et mécaniques d'un moteur asynchrone triphasé à partir du courant de démarrage et de la tension simple correspondante.