Optimisation Par Colonies de Fourmis
|
|
- Gaston Simoneau
- il y a 8 ans
- Total affichages :
Transcription
1 Optimisation Par Colonies de Fourmis Présenté Par Valentin Cristinel Preda Djenet Tali-Maamar V.C.Preda & Dj.Tali-Maamar 1 Plan Introduction et historique Préambule de la méthode L algorithme de colonies des fourmis Domaines d application Ressources disponibles Conclusion V.C.Preda & Dj.Tali-Maamar 2
2 Introduction(1) L'optimisation de colonie de fourmi (ACO) étudie les systèmes artificiels qui prennent l'inspiration du comportement de vraies colonies de fourmi. Employée pour résoudre des problèmes discrets d'optimisation. V.C.Preda & Dj.Tali-Maamar 3 Introduction(2) Forment une classe des métaheuristiques récemment proposée pour des problèmes d optimisation difficile. (probèmes NP-difficiles et problèmes dynamiques). V.C.Preda & Dj.Tali-Maamar 4
3 Historique (1) Les algorithmes de colonies de fourmis sont nés à la suite d une constatation: En général sur le comportement des insectes sociaux. En particulier les colonies de fourmis. V.C.Preda & Dj.Tali-Maamar 5 Historique (2) 1983 Deneubourg Jean Louis Biologiste, étudie le comportement des fourmis. V.C.Preda & Dj.Tali-Maamar 6
4 Historique (3) Capable de trouver le chemin le plus court du nid à une source de nourriture. Capable de s adapter aux changement de l environnement. Moyen de communication: Phéromone V.C.Preda & Dj.Tali-Maamar 7 Historique(4) 1992 Dorigo Marco Élabore une méta heuristique d optimisation par colonies de fourmis. Le premier algorithme de ce type a été conçu pour le problème du voyageur de commerce. V.C.Preda & Dj.Tali-Maamar 8
5 Préambule Fourmis Agents de recherche qui miment les comportement des fourmis réels. Problème posé par les éthologues : Comment des insectes qui ne voient pas trouvent le PCC entre leur nid et la nourriture??? V.C.Preda & Dj.Tali-Maamar 9 Préambule (suite) Réponse : Utilisation du milieu pour communiquer entre les individus. Le phéromone: Une fourmi qui se déplace, laisse une quantité variable de phéromone sur son chemin, qui est détectée par les prochaines fourmis, et qui détermine avec une grande probabilité leur chemin. Forme de autocatalytic behavior : Plus des fourmis suivent le chemin plus le chemin devient attractif. V.C.Preda & Dj.Tali-Maamar 10
6 Exemple Les fourmis se déplacent entre le nid(e) et la source de la nourriture (A) sur le chemin A-E. V.C.Preda & Dj.Tali-Maamar 11 Exemple Un obstacle qui coupe le chemin. La fourmi qui se déplace de A vers E et se trouve en B, a 2 choix : Le chemin B-C-D Le chemin B-H-D V.C.Preda & Dj.Tali-Maamar 12
7 Exemple Le choix = f (intensité de phéromone) La première fourmi a des probabilités égale de suivre les deux chemins. Celle qui suit le chemin B-C-D arrive en premier en D. V.C.Preda & Dj.Tali-Maamar 13 Exemple Les fourmis qui se retournent de E ont en D deux choix : Le chemin D-C-B Le chemin D-H-B Le chemin D-C-B aura une plus forte intensité de phéromone causé par : La moitie des fourmis qui prennent ce chemin de retour. Le nombre supérieur des fourmis qui ont suivi le chemin B-C-D et qui se retournent. V.C.Preda & Dj.Tali-Maamar 14
8 Le Ant-System Différences comparatives entre les fourmis artificielles et les vraies : Les artificielles ont une certaine mémoire. Elles seront pas complètement aveugles. Le temps de l environnement est considéré discrèt. V.C.Preda & Dj.Tali-Maamar 15 L exemple plus détaillé Si on place a chaque instant t : 30 fourmis en B qui sont venus de A 30 fourmis en D qui sont venus de E la vitesse =1, l intensité de phéromone=1, le phéromone s évapore instamment au milieu de l intervalle (t+1,t+2) V.C.Preda & Dj.Tali-Maamar 16
9 L exemple plus détaillé V.C.Preda & Dj.Tali-Maamar 17 Algorithme Ant-Cycle b i (t) i = 1,..., n nombre des fourmis dans la ville i au moment t n = nombre des villes m= n i= 1 b i t) ( le nombre total des fourmis V.C.Preda & Dj.Tali-Maamar 18
10 Algorithme Ant-Cycle Propriétés des fourmis: Le choix du prochaine ville à visiter = P(distance entre les villes, intensité de phéromone sur le segment qui connecte les villes). Chaque fourmi possède une liste des villes visités ( tabu list ) qui serre à forcer le fourmi à faire des tournées complètes. Apres qu elle a complété une tournée, une intensité de phéromone est laissé sur chaque segment (i,j) qui appartient à la tournée. V.C.Preda & Dj.Tali-Maamar 19 Algorithme Ant-Cycle τ ij (t ) Définitions : Intensité de phéromone sur l arrêt (i,j) au moment t Itération Cycle = déplacement de m fourmis dans (t,t+1) = n itérations Observation : après un cycle chaque fourmi a parcouru une tournée complète. V.C.Preda & Dj.Tali-Maamar 20
11 Algorithme Ant-Cycle Mise à jour de l intensité de phéromone: où l évaporation entre le temps t et t+n est la quantité de phéromone par unité de distance, laissé sur l arrêt (i,j), par la fourmi k pendant l intervalle (t,t+n) V.C.Preda & Dj.Tali-Maamar 21 Algorithme Ant-Cycle Est une constante. Longueur de la tournée pour la fourmi k. V.C.Preda & Dj.Tali-Maamar 22
12 Algorithme Ant-Cycle : doit être <=1 pour limiter l accumulation de phéromone. : est une constante positive (intensité initialle de phéromone) tabu k : vecteur dynamique qui contient la liste des villes visitées par la fourmi k. (s) tabu k : la ville de rang s qui se trouve dans la liste de fourmi k. V.C.Preda & Dj.Tali-Maamar 23 Algorithme Ant-Cycle on définit la probabilité que la fourmi k se déplace de i en j au moment t par : d ij = dis tan ce entre visibilité η = 1/ d ij ij les villes i et j V.C.Preda & Dj.Tali-Maamar 24
13 Algorithme Ant-Cycle α β = paramètre qui contrôle l importance de l intensité de phéromone. = paramètre qui contrôle l importance de la visibilité. Donc le choix dépend de distance et de l intensité du phéromone V.C.Preda & Dj.Tali-Maamar 25 V.C.Preda & Dj.Tali-Maamar 26
14 V.C.Preda & Dj.Tali-Maamar 27 L algorithme Ant Density L algorithme Ant Quantity V.C.Preda & Dj.Tali-Maamar 28
15 Comparaison entre les 3 algorithmes les meilleures résultats ont été obtenues avec ant-cycle. Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 29 Explications Ant Cycle exploite l information globale, puisque le phéromone est déposé à la fin de la tournée, La fourmi qui a fait la tournée la plus courte, laisse une quantité de phéromone augmentée sur les arrêts contenus dans la tournée. V.C.Preda & Dj.Tali-Maamar 30
16 Explications (suite) Les autres 2 algorithmes utilisent une information locale, puisque la quantité de phéromone est déposée à chaque itération. V.C.Preda & Dj.Tali-Maamar 31 Explications pour Ant-Cycle ρ = 0.5 Explications Au début, la visibilité est importante pour le choix, ensuite l intensité du phéromone devienne importante il faut une évaporation pour que le système oublie de l expérience et explore d autres chemins V.C.Preda & Dj.Tali-Maamar 32
17 Résultats Application sur une problème de 30 villes(oliver30) V.C.Preda & Dj.Tali-Maamar 33 Résultats la meilleure tournée Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 34
18 Résultats Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 35 Le choix des paramètres Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 36
19 S inspirer d autres heuristiques Stratégie élitiste ( emprunté de la part des algorithmes génétiques) renforcement de l intensité de phéromone, pour les arrêts qui appartient à la meilleure tournée, avec la quantité e*q/l; e = nombre des fourmis élitistes L = la meilleure tournée Meilleures résultats avec e=8 V.C.Preda & Dj.Tali-Maamar 37 Comparaison avec autres heuristiques spécialisés en T.S.P. Le problème de test a été Oliver30 Conclusion: Bonne performance, mais temps d exécution long Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 38
20 Comparaison avec autres heuristiques générales Problème de test: Oliver30 Temps de test: 1 heure Tableau tiré de : Marco Dorigo, & al, 1996, «The Ant System: Optimization by a colony of Cooperating agents» V.C.Preda & Dj.Tali-Maamar 39 Domaines d application Applications au problème symétrique et asymétrique de voyageur de commerce. Applications au problème d ordonnancement séquentiel. Applications au problèmes d affectation quadratique. Applications au problèmes de tournées des véhicules. Applications aux problèmes d'établissement d horaires. V.C.Preda & Dj.Tali-Maamar 40
21 Domaines d application (suite) Applications au problèmes de coloration de graphe. Applications aux problèmes de partitionnement. Applications aux réseaux de télécommunications. Implémentations parallèles. D'autres applications. V.C.Preda & Dj.Tali-Maamar 41 Dorigo M. & Thomas St utzle, (2000). The Ant Colony Optimization Metaheuristic: MTH6414 Algorithms, - Colonies Applications, de fourmis and Advances V.C.Preda & Dj.Tali-Maamar 42
22 Optimisation dynamique Dorigo M. & Thomas St utzle, (2000). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances V.C.Preda & Dj.Tali-Maamar 43 Dorigo M. & Thomas St utzle, (2000). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances V.C.Preda & Dj.Tali-Maamar 44
23 Logiciels (1) Progiciel: ACOTSP.V1.0.tar.gz Auteur: Thomas Stützle Description : Ce progiciel fournit une exécution de divers algorithmes de l'optimisation de colonie de fourmi (ACO) appliqués au problème symétrique de représentant de commerce (TSP). Les algorithmes d'aco mis en application: algorithms applied to the symmetric Traveling Salesman Problem (TSP). The ACO algorithms implemented are Ant System, Elitist Ant System, MAX-MIN Ant System, Rank-based version of Ant System, Best-Worst Ant System, and Ant Colony System. Langage de programmation: Développé en C sous Linux (aucunes garanties que cela fonctionne bien sous Windows; cependant, quelques essais limités ont prouvé que le code fonctionne également très bien sous OS de Windows et d'imper X). V.C.Preda & Dj.Tali-Maamar 45 Logiciels(2) Progiciel: antnet-1.1-src.tar Auteur: Muddassar Farooq Description: Une exécution d'antnet dans Omnet++. Langage de programmation: Développé dans Omnet++. Commentaire: Le modèle met en application l'algorithme de cheminement d'antnet proposé dans: «G. Di Caro and M. Dorigo. AntNet: Distributed Stigmergetic Control for Communications Networks. Journal of Artificial Intelligence Research, 9: , It reqires OMNeT or later.» V.C.Preda & Dj.Tali-Maamar 46
24 Logiciels (3) Progiciel: hc-mmas-ubqp.tar.gz Auteur: Blum Chrétien Description: Un système de la fourmi Maximum-minute (MMAS) mis en application dans le cadre de Hyper Cube pour application à la programmation quadratique binaire sans contrainte (UBQP). But du logiciel: Éducatif (à rendement non élevé); il montre comment mettre en application un MMAS dans le cadre de Hyper Cube. Langage de programmation: Développé dans C++ sous Linux (aucunes garanties que cela fonctionne sous Windows). Commentaire: Une description de l'algorithme mis en application peut être trouvée dans le papier «The Hyper-Cube Framework for Ant Colony Optimzation, which is published in IEEE Transactions on Systems, Man, and Cybernetics -- Part B» V.C.Preda & Dj.Tali-Maamar 47 Conférences Proceedings of the First European Conference on Artificial Life, Paris, France Proceedings of the Parallel Problem Solving from Nature Conference, Proceedings of the Metaheuristics International Conference. Proceedings of ML-95, Twelfth International Conference on Machine Learning, Proceedings of IEEE Intenational Conference on Evolutionary Computation, International Conference on Artificial Neural Networks and Genetic Algorithms, V.C.Preda & Dj.Tali-Maamar 48
25 CONFÉRENCES ANT COLONY OPTIMIZATION ANTS 2004: Fourth International Workshop on Ant Colony Optimization and Swarm Intelligence, Brussels, Belgium, September ANTS From Ant Colonies to Artificial Ants: Third International Workshop on Ant Algorithms, Brussels, Belgium, September Special ACO session at MIC-2001 Porto, Portugal, July 16-20, ACO special track at GECCO-2001 San Francisco, USA, July 7-11, ANTS' From Ant Colonies to Artificial Ants: Second International Workshop on Ant Algorithms, Brussels, Belgium, September 8-9, Ant Colony Methods Session at 1999 Congress on Evolutionary Computation, Washington DC, USA, July 6-9, 1999 ANTS'98 - From Ant Colonies to Artificial Ants: First International Workshop on Ant Colony Optimization, Brussels, Belgium, October 15-16, Ant Colony Optimization Session at INFORMS Tel Aviv 1998 Tel Aviv, Israel, June 28 - July 1, 1998 V.C.Preda & Dj.Tali-Maamar 49 JOURNAL SPECIALISÉ EN ANT COLONY OPTIMIZATION AND RELATED Special issue on Ant Colony Optimization to be published in the Future Generation Computer Systems journal, 2000, North Holland (Editors: M. Dorigo, G. Di Caro, and T. Stützle). Dorigo M., V. Maniezzo & A. Colorni (1996). Ant System: Optimization by a colony of cooperating agents. IEEE Transactions on Systems, Man, and Cybernetics-Part B, 26(1):29-41 Dorigo M. & Thomas St utzle, (2000). The Ant Colony Optimization Metaheuristic: Algorithms, Applications, and Advances V.C.Preda & Dj.Tali-Maamar 50
26 LIVRES Bonabeau E., M. Dorigo & T. Theraulaz (1999). From Natural to Artificial Swarm Intelligence. New York: Oxford University Press. Corne D., M. Dorigo & F. Glover, Editors (1999). New Ideas in Optimisation. McGraw-Hill. Marco Dorigo and Thomas Stüzle, Ant Colony Optimization. MIT Press, Cambridge, MA, USA, V.C.Preda & Dj.Tali-Maamar 51 Groupes de recherche CRT, Montréal, Québec IDSIA, Lugano, Suisse INTELLEKTIK, Darmstadt, Allemagne IRIDIA, Bruxelles, Belgique. V.C.Preda & Dj.Tali-Maamar 52
27 Références sur le Web V.C.Preda & Dj.Tali-Maamar 53 Conclusion L algorithme des colonies des fourmis est une heuristique, avec caractère général utilisée pour résoudre différentes problèmes d analyse combinatoire Versatile s applique a plusieurs types de problèmes Robuste des changements mineures sont nécessaires pour l adapter aux autres problèmes( Ex: J.S.P ou Q.A.P.) V.C.Preda & Dj.Tali-Maamar 54
28 Conclusion(suite) L approche de l algorithme est basée sur l utilisation d une population, qui exploite un mécanisme de feed-back. Principal inconvénient : coût relativement élevé de la génération des solutions. V.C.Preda & Dj.Tali-Maamar 55 Conclusion (suite) Bien décrite et formalisée. L ensemble des propriétés la décrivant est connu (construction probabiliste d une solution, heuristique sur l instance du problème, ) Elle commence à être adaptées à des problèmes continus. V.C.Preda & Dj.Tali-Maamar 56
Deux stratégies parallèles de l'optimisation par colonie de fourmis
4 th International Conference: Sciences of Electronic, Technologies of Information and Telecommunications March 25-29, 2007 TUNISIA Deux stratégies parallèles de l'optimisation par colonie de fourmis HERNANE
Plus en détailOptimisation Combinatoire et Colonies de Fourmis Nicolas Monmarche April 21, 1999 Sommaire Inspiration biologiques Ant Colony Optimization Applications TSP QAP Flow Shop Problemes dynamiques 1 Historique
Plus en détailLaboratoire d Automatique et Productique Université de Batna, Algérie
Anale. Seria Informatică. Vol. IX fasc. 2 Annals. Computer Science Series. 9 th Tome st Fasc. 2 La sélection de paramètres d un système industriel par les colonies de fourmis Ouahab Kadri, L. Hayet Mouss,
Plus en détailLes colonies de fourmis : apprentissage coopératif pour le problème du voyageur de commerce
: apprentissage coopératif pour le problème du voyageur de commerce Alexandre Bargeton Benjamin Devèze Université Pierre et Marie Curie Présentation du projet ANIMAT 1 Comportements collectifs des insectes
Plus en détailVers une Optimisation de l Algorithme AntTreeStoch
Revue des Sciences et de la Technologie - RST- Volume 3 N 1 / janvier 2012 Vers une Optimisation de l Algorithme AntTreeStoch O. KADRI, H. MOUSS, A. ABDELHADI, R. MAHDAOUI Laboratoire d Automatique et
Plus en détailOptimisation par Colonies de Fourmis Artificielles
Optimisation par Colonies de Fourmis Artificielles Tour d horizon Nicolas Monmarché Laboratoire d Informatique Université François Rabelais - Tours Yravals 07, Deuxième école d été sur L Évolution Artificielle
Plus en détailJean-Philippe Préaux http://www.i2m.univ-amu.fr/~preaux
Colonies de fourmis Comment procèdent les colonies de fourmi pour déterminer un chemin presque géodésique de la fourmilière à un stock de nourriture? Les premières fourmis se déplacent au hasard. Les fourmis
Plus en détailRenPar'14 Hammamet, Tunisie 10-13 avril 2002
PARALLELISATION CO-EVOLUTIVE DE L OPTIMISATION PAR COLONIE DE FOURMIS POUR LA RESOLUTION D UN PROBLEME D ORDONNANCEMENT INDUSTRIEL Pierre Delisle (1), Marc Gravel (1), Caroline Gagné (1), Michaël Krajecki
Plus en détailAtelier Transversal AT11. Activité «Fourmis» Pierre Chauvet. pierre.chauvet@uco.fr
Atelier Transversal AT11 Activité «Fourmis» Pierre Chauvet pierre.chauvet@uco.fr Ant : un algorithme inspiré de l éthologie L éthologie Etude scientifique des comportements animaux, avec une perspective
Plus en détailTHESE. Application des algorithmes de colonies de fourmis pour l optimisation et la classification des images
République Algérienne Démocratique et Populaire وزارة التعليم العالي و البحث العلمي Ministère de l'enseignement Supérieur et de la Recherche Scientifique UNIVERSITE DES SCIENCES ET DE LA TECHNOLOGIE d
Plus en détailDES FOURMIS POUR LIVRER DU MAZOUT
DES FOURMIS POUR LIVRER DU MAZOUT É. D. Taillard (1), G. Agazzi (2), L.-M. Gambardella (3) Résumé La livraison de certains biens peut engendrer des coûts non négligeables par rapport à la valeur de la
Plus en détailCours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques
Université Mohammed V, Faculté des Sciences de Rabat Laboratoire de Recherche Mathématiques, Informatique et Applications Cours des Méthodes de Résolution Exactes Heuristiques et Métaheuristiques MASTER
Plus en détailOptimisation multi-objectif par colonies de fourmis : cas des problèmes de sac à dos
Optimisation multi-objectif par colonies de fourmis : cas des problèmes de sac à dos Inès Alaya To cite this version: Inès Alaya. Optimisation multi-objectif par colonies de fourmis : cas des problèmes
Plus en détailModélisation multi-agents - Agents réactifs
Modélisation multi-agents - Agents réactifs Syma cursus CSI / SCIA Julien Saunier - julien.saunier@ifsttar.fr Sources www-lih.univlehavre.fr/~olivier/enseignement/masterrecherche/cours/ support/algofourmis.pdf
Plus en détailLa programmation à mémoire adaptative ou l évolution des algorithmes évolutifs
La programmation à mémoire adaptative ou l évolution des algorithmes évolutifs Éric D. Taillard 1 Luca M. Gambardella 1 Michel Gendreau 2 Jean-Yves Potvin 2 1 IDSIA, Corso Elvezia 36, CH-6900 Lugano. E-mail
Plus en détailUn modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes
Actes JFPC 2009 Un modèle réactif pour l optimisation par colonies de fourmis : application à la satisfaction de contraintes Madjid Khichane 1,2, Patrick Albert 1 et Christine Solnon 2 1 ILOG An IBM Company
Plus en détailTrois méthodes pour la construction de pages WEB personnalisées
Trois méthodes pour la construction de pages WEB personnalisées Gérard KUBRYK gerard@i2m.fr Université de Nice-Sophia Antipolis, Laboratoire I3S, 2000, route des lucioles 06903 Sophia Antipolis cedex,
Plus en détailIntelligence des essaims (Swarm Intelligence)
Intelligence des essaims (Swarm Intelligence) Présentation Ghislain O Mahony 27 novembre 2006 Réunion Emergence 1 Les auteurs / caractéristiques ouvrage Les auteurs Eric Bonabeau Chef scientifique Icosystem
Plus en détailDiverses techniques d'optimisation inspirées de la théorie de l'auto-organisation dans les systèmes biologiques
Diverses techniques d'optimisation inspirées de la théorie de l'auto-organisation dans les systèmes biologiques Johann Dréo, Patrick Siarry Université de Paris XII Val-de-Marne Laboratoire d'etude et de
Plus en détailSommaire. Introduction. I. Notions de routage a) Technologies actuelles b) Avantages et désavantages
Sommaire Introduction I. Notions de routage a) Technologies actuelles b) Avantages et désavantages II. Routage et fourmis a) Principe et avantages b) Structure du simulateur III.Implémentation a) Présentation
Plus en détailDe la fourmi réelle à la fourmi artificielle
222222 De la fourmi réelle à la fourmi artificielle D. BELFADEL ET M. DIAF Faculté du Génie Electrique et de l informatique Université Mouloud MAMMERI de Tizi-Ouzou. 1. Introduction ous assistons, ces
Plus en détailSystèmes Multi-Agents : Modélisation et simulation informatique de comportements collectifs. Chapitre III
Systèmes Multi-gents : Modélisation et simulation informatique de comportements collectifs Chapitre III Différentes approches de Conception et applications Introduction Les différents concepts Cheminement
Plus en détailEXPERIMENTATIONS DE METHODES PARALLELES DE RECHERCHE D INFORMATION SUR INTERNET
EXPERIMENTATIONS DE METHODES PARALLELES DE RECHERCHE D INFORMATION SUR INTERNET Fabien PICAROUGNE (*), Gilles VENTURINI(*), Christiane GUINOT(**) fabien.picarougne@univ-tours.fr, venturini@univ-tours.fr,
Plus en détailDes fourmis réelles aux fourmis artificielles
Des fourmis réelles aux fourmis artificielles Deux exemples d approches biomimétiques de la résolution de problèmes en informatique. Nicolas Monmarché & Alain Lenoir Laboratoire d Informatique - Institut
Plus en détailLaboratoire 4 Développement d un système intelligent
DÉPARTEMENT DE GÉNIE LOGICIEL ET DES TI LOG770 - SYSTÈMES INTELLIGENTS ÉTÉ 2012 Laboratoire 4 Développement d un système intelligent 1 Introduction Ce quatrième et dernier laboratoire porte sur le développement
Plus en détailUne application des algorithmes génétiques à l ordonnancement d atelier
Une application des algorithmes génétiques à l ordonnancement d atelier VACHER Jean-Philippe - GALINHO Thierry - MAMMERI Zoubir Laboratoire d Informatique du Havre Université du Havre 25, Rue Philippe
Plus en détailComment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet
Comment reproduire les résultats de l article : POP-Java : Parallélisme et distribution orienté objet Beat Wolf 1, Pierre Kuonen 1, Thomas Dandekar 2 1 icosys, Haute École Spécialisée de Suisse occidentale,
Plus en détailUne Approche Bio-mimétique pour la Segmentation d'images. Inspiration des Araignées Sociales
Une Approche Bio-mimétique pour la Segmentation d'images Inspiration des Araignées Sociales Safia Djemame 1, Mohammed Batouche 2 1 Département Informatique, Université Ferhat Abbes, Sétif 19000, Algérie
Plus en détailCours de Master Recherche
Cours de Master Recherche Spécialité CODE : Résolution de problèmes combinatoires Christine Solnon LIRIS, UMR 5205 CNRS / Université Lyon 1 2007 Rappel du plan du cours 16 heures de cours 1 - Introduction
Plus en détailReconnaissance automatique de la parole à l aide de colonies de fourmis
Reconnaissance automatique de la parole à l aide de colonies de fourmis Benjamin Lecouteux Didier Schwab Groupe d Étude en Traduction Automatique/Traitement Automatisé des Langues et de la Parole Laboratoire
Plus en détailNouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires
Nouvelles propositions pour la résolution exacte du problème de sac à dos bi-objectif unidimensionnel en variables binaires Julien Jorge, Xavier Gandibleux Laboratoire d Informatique de Nantes Atlantique
Plus en détailUNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN INFORMATIQUE
UNIVERSITÉ DU QUÉBEC MÉMOIRE PRÉSENTÉ À L'UNIVERSITÉ DU QUÉBEC À CHICOUTIMI COMME EXIGENCE PARTIELLE DE LA MAÎTRISE EN INFORMATIQUE OFFERTE EN VERTU D'UN PROTOCOLE D'ENTENTE AVEC L'UNIVERSITÉ DU QUÉBEC
Plus en détailInfo0804. Cours 6. Optimisation combinatoire : Applications et compléments
Recherche Opérationnelle Optimisation combinatoire : Applications et compléments Pierre Delisle Université de Reims Champagne-Ardenne Département de Mathématiques et Informatique 17 février 2014 Plan de
Plus en détailEtude d un cas industriel : Optimisation de la modélisation de paramètre de production
Revue des Sciences et de la Technologie RST- Volume 4 N 1 /janvier 2013 Etude d un cas industriel : Optimisation de la modélisation de paramètre de production A.F. Bernate Lara 1, F. Entzmann 2, F. Yalaoui
Plus en détailBologne à l EPFL. Réforme de Bologne Implications pour l EPFL. Prof. Dominique Bonvin, Doyen Bachelor-Master
Bologne à l EPFL Réforme de Bologne Implications pour l EPFL Prof. Dominique Bonvin, Doyen Bachelor-Master EPFL Quelques chiffres 6 600 Etudiants, 23% femmes, 38% étrangers, 109 nationalités 1 400 Doctorants
Plus en détailLES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage
LES MÉTA-HEURISTIQUES : quelques conseils pour en faire bon usage Alain HERTZ Ecole Polytechnique - GERAD Département de mathématiques et de génie industriel CP 679, succ. Centre-ville, Montréal (QC) H3C
Plus en détailApplication de K-means à la définition du nombre de VM optimal dans un cloud
Application de K-means à la définition du nombre de VM optimal dans un cloud EGC 2012 : Atelier Fouille de données complexes : complexité liée aux données multiples et massives (31 janvier - 3 février
Plus en détailOrdonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative
Ordonnancement en temps réel d un jobshop par métaheuristique hybride : étude comparative Y. Houbad, M. Souier, A. Hassam, Z.Sari Laboratoire d automatique Tlemcen Faculté de technologie, Université Abou
Plus en détailProblème à résoudre. min f(s) s.c. s S
Métaheuristiques Le mot métaheuristique est dérivé de la composition de deux mots grecs: - heuristique qui vient du verbe heuriskein (ευρισκειν) et qui signifie trouver - meta qui est un suffixe signifiant
Plus en détailDiffusion d informations dans un réseau pair à pair par des fourmis artificielles
Diffusion d informations dans un réseau pair à pair par des fourmis artificielles Christophe Guéret, Sonia Colas, Nicolas Monmarché, Mohamed Slimane Laboratoire d Informatique de l Université de Tours
Plus en détailComportements Individuels Adaptatifs dans un Environnement Dynamique pour l'exploitation Collective de Ressource
Comportements Individuels Adaptatifs dans un Environnement Dynamique pour l'exploitation Collective de Ressource Intelligence Artificielle Située, Cerveau, corps et environnement, Drogoul A. & Meyer J-A.
Plus en détailVers une approche Adaptative pour la Découverte et la Composition Dynamique des Services
69 Vers une approche Adaptative pour la Découverte et la Composition Dynamique des Services M. Bakhouya, J. Gaber et A. Koukam Laboratoire Systèmes et Transports SeT Université de Technologie de Belfort-Montbéliard
Plus en détailTHÈSE DE DOCTORAT DE L UNIVERSITÉ PARIS 12-VAL DE MARNE UFR de Sciences et Technologie. par. Walid TFAILI. pour obtenir le grade de
THÈSE DE DOCTORAT DE L UNIVERSITÉ PARIS 12-VAL DE MARNE UFR de Sciences et Technologie par Walid TFAILI pour obtenir le grade de DOCTEUR EN SCIENCES Spécialité : SCIENCES DE L INGÉNIEUR Option : Optimisation
Plus en détailRé-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules
Ré-ordonnancement adaptatif de messages dans un réseau ad hoc de véhicules M. Shawky, K. Chaaban, P. Crubillé Heudiasyc UMR 6599 CNRS, Univ. Tech. De Compiègne 1 ADAS (Advanced Driving Aid System) Reactive
Plus en détailFig.1. Structure d un AGQ
Evolution d Automate Cellulaire par Algorithme Génétique Quantique Zakaria Laboudi 1 - Salim Chikhi 2 Equipe SCAL, Laboratoire MISC Université Mentouri de Constantine. E - Mail : 1 laboudizak@yahoo.fr;
Plus en détailintelligence artificielle et cognitique"
Dialogue on Education, 11h-11h10 Course overview on "Automatisation avancée, intelligence artificielle et cognitique" Prof. Dr. Jean-Daniel Dessimoz, MBA, HES-SO / HEIG-VD 11:00-11:10, 18 November 2014
Plus en détailphysicien diplômé EPFZ originaire de France présentée acceptée sur proposition Thèse no. 7178
Thèse no. 7178 PROBLEMES D'OPTIMISATION DANS LES SYSTEMES DE CHAUFFAGE A DISTANCE présentée à l'ecole POLYTECHNIQUE FEDERALE DE ZURICH pour l'obtention du titre de Docteur es sciences naturelles par Alain
Plus en détailTHÈSE. présentée à l Université d Avignon et des Pays de Vaucluse pour obtenir le diplôme de DOCTORAT
ACADÉMIE D AIX-MARSEILLE UNIVERSITÉ D AVIGNON ET DES PAYS DE VAUCLUSE THÈSE présentée à l Université d Avignon et des Pays de Vaucluse pour obtenir le diplôme de DOCTORAT SPÉCIALITÉ : Informatique École
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailLimitations of the Playstation 3 for High Performance Cluster Computing
Introduction Plan Limitations of the Playstation 3 for High Performance Cluster Computing July 2007 Introduction Plan Introduction Intérêts de la PS3 : rapide et puissante bon marché L utiliser pour faire
Plus en détailINGÉNIEUR LOGICIEL JAVAEE / GROOVY 8 ANS D EXPÉRIENCE
INGÉNIEUR LOGICIEL JAVAEE / GROOVY 8 ANS D EXPÉRIENCE Igor Rosenberg 30 ans DEA «Image-Vision» de l Université de Nice Sophia-Antipolis POSTES PRECEDENTS MMA: Développement Web/Grails sur démonstrateur
Plus en détailCURRICULUM VITAE. Informations Personnelles
CURRICULUM VITAE Informations Personnelles NOM: BOURAS PRENOM : Zine-Eddine STRUCTURE DE RATTACHEMENT: Département de Mathématiques et d Informatique Ecole Préparatoire aux Sciences et Techniques Annaba
Plus en détailDésambiguïsation lexicale par propagation de mesures sémantiques locales par algorithmes à colonies de fourmis
TALN 2011, Montpellier, 27 juin 1 er juillet 2011 Désambiguïsation lexicale par propagation de mesures sémantiques locales par algorithmes à colonies de fourmis Didier Schwab, Jérôme Goulian, Nathan Guillaume
Plus en détailOptimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie
Optimisation multi-critère pour l allocation de ressources sur Clouds distribués avec prise en compte de l énergie 1 Présenté par: Yacine KESSACI Encadrement : N. MELAB E-G. TALBI 31/05/2011 Plan 2 Motivation
Plus en détailMust Today s Risk Be Tomorrow s Disaster? The Use of Knowledge in Disaster Risk Reduction
Must Today s Risk Be Tomorrow s Disaster? The Use of Knowledge in Disaster Risk Reduction Website: https://dce.yorku.ca/crhn/ Submission information: 11th Annual Canadian Risk and Hazards Network Symposium
Plus en détailApproche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamique
Approche d'évaluation pour les problèmes d'ordonnancement multicritères : Méthode d'agrégation avec direction de recherche dynamiue D. BERKOUNE 2, K. MESGHOUNI, B. RABENASOLO 2 LAGIS UMR CNRS 846, Ecole
Plus en détailAnnexe 6. Notions d ordonnancement.
Annexe 6. Notions d ordonnancement. APP3 Optimisation Combinatoire: problèmes sur-contraints et ordonnancement. Mines-Nantes, option GIPAD, 2011-2012. Sophie.Demassey@mines-nantes.fr Résumé Ce document
Plus en détailA GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters
A GRASPxELS approach for the Job Shop with generic time-lags and new statistical determination of the parameters Présenté par : Equipe de travail : Laboratoire : Maxime CHASSAING Philippe LACOMME, Nikolay
Plus en détailLes Ressources Humaines à l heure du Big Data : progrès, perspectives et limites CORNERSTONE WHITEPAPER
Les Ressources Humaines à l heure du Big Data : progrès, perspectives et limites CORNERSTONE WHITEPAPER INTRODUCTION L avènement du Big Data et du Cloud Computing laisse entrevoir un monde de plus en plus
Plus en détailPRÉSENTATION PRODUIT. Plus qu un logiciel, la méthode plus efficace de réconcilier.
PRÉSENTATION PRODUIT Plus qu un logiciel, la méthode plus efficace de réconcilier. Automatiser les réconciliations permet d optimiser l utilisation des ressources et de générer plus de rentabilité dans
Plus en détailPrincipes d implémentation des métaheuristiques
Chapitre 2 Principes d implémentation des métaheuristiques Éric D. Taillard 1 2.1 Introduction Les métaheuristiques ont changé radicalement l élaboration d heuristiques : alors que l on commençait par
Plus en détailInformatique / Computer Science
Informatique / Computer Science Vous trouverez ici les conditions de candidature pour les différentes voies de M2 de la mention «Informatique / Computer Science». Certaines formations ne seront cependant
Plus en détailJean Sykes Nereus, la collaboration européenne, et le libre accès
Jean Sykes Nereus, la collaboration européenne, et le libre accès Keynote Item Original citation: Originally presented at UNESCO DKN project steering group meeting, 29 June 2006, Paris, France [Name of
Plus en détailApprentissage statistique dans les graphes et les réseaux sociaux
Apprentissage statistique dans les graphes et les réseaux sociaux Patrick Gallinari Collaboration : L. Denoyer, S. Peters Université Pierre et Marie Curie AAFD 2010 1 Plan Motivations et Problématique
Plus en détailGeniMiner, un moteur de recherche génétique
GeniMiner, un moteur de recherche génétique Fabien Picarougne Nicolas Monmarché Antoine Oliver Gilles Venturini Laboratoire d Informatique de l Université de Tours, École Polytechnique de l Université
Plus en détailGuide d installation de SugarCRM Open Source version 4.5.1
Guide d installation de SugarCRM Open Source version 4.5.1 Version 1.0.2 Mentions légales Mentions légales Ce document est susceptible de modification à tout moment sans notification. Disclaimer / Responsabilité
Plus en détailRLBS: Une stratégie de retour arrière adaptative basée sur l apprentissage par renforcement pour l optimisation combinatoire
Actes JFPC 2015 RLBS: Une stratégie de retour arrière adaptative basée sur l apprentissage par renforcement pour l optimisation combinatoire Ilyess Bachiri 1,2 Jonathan Gaudreault 1,2 Brahim Chaib-draa
Plus en détailINSERTION TECHNIQUES FOR JOB SHOP SCHEDULING
INSERTION TECHNIQUES FOR JOB SHOP SCHEDULING ÉCOLE POLYTECHNIQUE FÉDÉRALE DE LAUSANNE POUR L'OBTENTION DU GRADE DE DOCTEUR ES SCIENCES PAR Tamas KIS Informaticien mathématicien diplômé de l'université
Plus en détailIntelligence Artificielle et Robotique
Intelligence Artificielle et Robotique Introduction à l intelligence artificielle David Janiszek david.janiszek@parisdescartes.fr http://www.math-info.univ-paris5.fr/~janiszek/ PRES Sorbonne Paris Cité
Plus en détailInformatique / Computer Science
Informatique / Computer Science Vous trouverez ici les conditions de candidature pour les différentes voies de M2 de la mention «Informatique / Computer Science». Certaines formations ne seront cependant
Plus en détailGESTION DE FLOTTE MOBILE (MDM), LE GUIDE DES BONNES PRATIQUES
GESTION DE FLOTTE MOBILE (MDM), LE GUIDE DES BONNES PRATIQUES Avec Kaspersky, maintenant, c est possible! kaspersky.fr/business Be Ready for What s Next SOMMAIRE 1. MOBILITÉ : LES NOUVEAUX DÉFIS...2 Page
Plus en détailMinimisation de la somme des retards dans un jobshop flexible
Minimisation de la somme des retards dans un jobshop flexible Nozha ZRIBI, Imed KACEM, Abdelkader EL KAMEL, Pierre BORNE LAGIS Ecole Centrale de Lille, BP 48, 5965 Villeneuve d Ascq Cedex, France ISTIT
Plus en détailCurriculum Vitae. Karel HEURTEFEUX. Education
Address CNRS, Verimag - Laboratory / Synchrone Team 2, Avenue de Vignate, 38610 Gières, France Tel. : +33 (0)4 56 52 03 86 Curriculum Vitae Karel HEURTEFEUX Born 10.21.1982 French karel.heurtefeux@imag.fr
Plus en détailUne méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données
Une méthode de classification supervisée sans paramètre pour l apprentissage sur les grandes bases de données Marc Boullé Orange Labs 2 avenue Pierre Marzin 22300 Lannion marc.boulle@orange-ftgroup.com,
Plus en détailI4 : Bases de Données
I4 : Bases de Données Passage de UML au modèle relationnel Georges LOUIS Département Réseaux et Télécommunications Université de La Rochelle Module I4 2008-2009 1 G.Louis Sommaire 1 Des classes aux tables
Plus en détailL hypertexte, le multimédia, c est quoi?
L hypertexte, le multimédia, c est quoi? Hervé Platteaux Centre NTE et Département de pédagogie Université de Fribourg Cours de pédagogie - Second cycle Session du 29 octobre 2001 Selon vous, l hypertexte
Plus en détailDéveloppements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière
Développements algorithmiques au LIAMA et àamap en vue de l'analyse d'une scène forestière Principaux contributeurs: Zhang Xiaopeng (CASIA-NLPR-LIAMA Coordinateur Groupe Image) Li HongJun (CASIA-NLPR-LIAMA
Plus en détailAcquisition des données - Big Data. Dario VEGA Senior Sales Consultant
Acquisition des données - Big Data Dario VEGA Senior Sales Consultant The following is intended to outline our general product direction. It is intended for information purposes only, and may not be incorporated
Plus en détailCartes de communautés pour l adaptation interactive de profils dans un système de filtrage d information
Cartes de communautés pour l adaptation interactive de profils dans un système de filtrage d information An-Te Nguyen* Nathalie Denos* Catherine Berrut* * Laboratoire CLIPS-IMAG 385 rue de la Bibliothèque,
Plus en détailComplexité et auto-organisation chez les insectes sociaux. Complexité et auto-organisation chez les insectes sociaux
Complexité et auto-organisation chez les insectes sociaux Guy Theraulaz Centre de Recherches sur la Cognition Animale CNRS, UMR 5169, Toulouse, France Marathon des Sciences XXIII ème Festival d Astronomie,
Plus en détailObjectifs du cours d aujourd hui. Informatique II : Cours d introduction à l informatique et à la programmation objet. Complexité d un problème (2)
Objectifs du cours d aujourd hui Informatique II : Cours d introduction à l informatique et à la programmation objet Complexité des problèmes Introduire la notion de complexité d un problème Présenter
Plus en détailBig Data et Graphes : Quelques pistes de recherche
Big Data et Graphes : Quelques pistes de recherche Hamamache Kheddouci http://liris.cnrs.fr/hamamache.kheddouci Laboratoire d'informatique en Image et Systèmes d'information LIRIS UMR 5205 CNRS/INSA de
Plus en détailProjet du service «ON DEMAND BUS» à Kashiwa (Japon)
Module COSMI Master TRADD PFR Mina KAGAWA (Japon) Youssef MHIMRA (Maroc) Projet du service «ON DEMAND BUS» à Kashiwa (Japon) Aperçu général sur la ville de Kashiwa : La ville de Kashiwa est située à environ
Plus en détailExemples de problèmes et d applications. INF6953 Exemples de problèmes 1
Exemples de problèmes et d applications INF6953 Exemples de problèmes Sommaire Quelques domaines d application Quelques problèmes réels Allocation de fréquences dans les réseaux radio-mobiles Affectation
Plus en détailPeTEX Plateforme pour e-learning et expérimentation télémétrique
PeTEX Plateforme pour e-learning et expérimentation télémétrique 142270-LLP-1-2008-1-DE-LEONARDO-LMP 1 Information sur le projet Titre: Code Projet: Année: 2008 Type de Projet: Statut: Accroche marketing:
Plus en détailSysFera. Benjamin Depardon
SysFera Passage d applications en SaaS Benjamin Depardon CTO@SysFera SysFera Technologie 2001 Création 2010 Spin Off INRIA Direction par un consortium d investisseurs 12 personnes 75% en R&D Implantation
Plus en détailNatixis Asset Management Response to the European Commission Green Paper on shadow banking
European Commission DG MARKT Unit 02 Rue de Spa, 2 1049 Brussels Belgium markt-consultation-shadow-banking@ec.europa.eu 14 th June 2012 Natixis Asset Management Response to the European Commission Green
Plus en détailVISUALISATION DE NUAGES DE POINTS
ARNAUD BLETTERER MULTI-RÉSOLUTION 1/16 VISUALISATION DE NUAGES DE POINTS MULTI-RÉSOLUTION AU TRAVERS DE CARTES DE PROFONDEUR Arnaud Bletterer Université de Nice Sophia Antipolis Laboratoire I3S - Cintoo
Plus en détailIntroduction aux systèmes temps réel
Introduction aux systèmes temps réel Frank Singhoff Bureau C-203 Université de Brest, France LISyC/EA 3883 singhoff@univ-brest.fr UE applications de l informatique, Université de Brest Page 1/22 Plan du
Plus en détailForthcoming Database
DISS.ETH NO. 15802 Forthcoming Database A Framework Approach for Data Visualization Applications A dissertation submitted to the SWISS FEDERAL INSTITUTE OF TECHNOLOGY ZURICH for the degree of Doctor of
Plus en détailImpact on revenue requirements no Description (000$)
IMPACT OF THE CHANGE IN COST OF GAS ON THE REVENUE REQUIREMENT RESULTING FROM THE 2010 VOLUMES COMPONENTS: Transportation, load balancing and commodity 2010 RATE CASE Impact on revenue Line requirements
Plus en détailShort-term Pooled Investment Fund Regulations. Règlement sur le fonds commun de placement à court terme CONSOLIDATION CODIFICATION
CANADA CONSOLIDATION CODIFICATION Short-term Pooled Investment Fund Regulations Règlement sur le fonds commun de placement à court terme SOR/2006-245 DORS/2006-245 Current to September 27, 2015 À jour
Plus en détailAssises Métallerie 2013. ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion?
Assises Métallerie 2013 ERP GPAO en métallerie: quelle offres, comment bien choisir son outil de gestion? ERP dans une PME de métallerie ERP dans une PME de métallerie OBJECTIF DE LA PRESENTATION DEFINITION
Plus en détailThis is an author-deposited version published in : http://oatao.univ-toulouse.fr/ Eprints ID : 13074
Open Archive TOULOUSE Archive Ouverte (OATAO) OATAO is an open access repository that collects the work of Toulouse researchers and makes it freely available over the web where possible. This is an authordeposited
Plus en détailICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives*
ICA Congress, Brisbane 2012 Thème général : Les temps qui changent. La confiance et les archives* Titre : Un résumé de la pratique archivistique internationale adaptée au niveau local : manuel pratique
Plus en détailOptimisation de la compression fractale D images basée sur les réseaux de neurones
Optimisation de la compression fractale D images basée sur les réseaux de neurones D r BOUKELIF Aoued Communication Networks,Architectures and Mutimedia laboratory University of S.B.A aoued@hotmail.com
Plus en détailStratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4
Stratégie DataCenters Société Générale Enjeux, objectifs et rôle d un partenaire comme Data4 Stéphane MARCHINI Responsable Global des services DataCenters Espace Grande Arche Paris La Défense SG figures
Plus en détailTRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN
TRAITEMENT DES DONNEES MANQUANTES AU MOYEN DE L ALGORITHME DE KOHONEN Marie Cottrell, Smaïl Ibbou, Patrick Letrémy SAMOS-MATISSE UMR 8595 90, rue de Tolbiac 75634 Paris Cedex 13 Résumé : Nous montrons
Plus en détailVisualiser des données.
Visualiser des données. Le point de vue du designer. Le design est une façon de penser. C est aussi une façon de se situer, d explorer un problème objectif, et de déterminer des approches pour concevoir
Plus en détail