Contribution dans les algorithmes évolutionnaires multi objectifs.

Dib., Abdelatif.; Chaba Mouna., Mustapha.

dc.contributor.author	Dib., Abdelatif.
dc.contributor.author	Chaba Mouna., Mustapha.
dc.date.accessioned	2021-03-01T10:52:52Z
dc.date.available	2021-03-01T10:52:52Z
dc.date.issued	2013-10-10
dc.identifier.uri	http://di.univ-blida.dz:8080/jspui/handle/123456789/10237
dc.description	ill.,Bibliogr.	fr_FR
dc.description.abstract	Le but du travail est d'étudier la possibilité de ramener plus d'efficacité dans les algorithmes évolutionnaires multi objectifs à travers Incorporation de connaissances sur le vrai front Pareto. Ces informations se résument dans un nombre très réduit de solutions médianes se trouvant sur le vrai front et qui sont déterminées grâce à un algorithme génétique bien définie et dont l'appellation est LMOGA (Lexico-Max-Ordering Genetic Algorithm) [7]. Le travail consiste dans un premier temps d'incorporer dans les différents algorithmes évolutionnaires [35] considérées les connaissances fournées par LMOGA ensuite de faire une série de simulations en utilisant les fonctions testes de Zitzler, Deb &Thiele [36]. Ces simulations permettent de comparer les algorithmes résultants par rapports à leurs ainés (telles que SPEA2, NSGAII) en termes de qualité de solutions obtenues et de vitesse de convergence. Mots clés Optimisation multi-objectives, Dominance, solution de Pareto, Algorithmes évolutionnaires. Introduction	fr_FR
dc.language.iso	fr	fr_FR
dc.publisher	Université Blida 1	fr_FR
dc.subject	Optimisation multi-objectives.	fr_FR
dc.subject	Dominance.	fr_FR
dc.subject	solution de Pareto.	fr_FR
dc.subject	Algorithmes évolutionnaires.	fr_FR
dc.subject	Introduction.	fr_FR
dc.title	Contribution dans les algorithmes évolutionnaires multi objectifs.	fr_FR
dc.type	Thesis	fr_FR