Title: Pr
1Présentation Variantes des algorithmes de fourmis
- INF7440---Conception et analyse dalgorithme
- Professeur M. Alex Friedmann
- Présenté par
- Hao Wang
- Session dAutomne 2006 UQÀM
2Plan de la présentation
- Introduction de lalgorithme de fourmis et ses
variantes - Lalgorithme de fourmis Élitistes et la stratégie
de la classement - Lalgorithme 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
lalgorithme de fourmis - Conclusion
3Principe de lalgorithme de fourmis
- Lheuristique dalgorithme 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
4Variantes dalgorithme de fourmis
- Lalgorithme de fourmis Élitistes
- Proposée par M. Dorigo, Maniezzo et Colori(1996)
- La meilleure tour trouvée jusquà litération
actuelle reçoit une extra phéromone - Lalgorithme 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 - Lalgorithme de fourmis basé sur la stratégie de
Meilleure tour local - Procédé par M.Tony, Simon et Terri (2003)
- Inspiré de lalgorithme de fourmis Elitistes,
chaque fourmi conserve son meilleure tour local
et le renforce dans la mise à jour de phéromones
à chaque itération - Lalgorithme 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)
5Lalgorithme de fourmis Élitistes
- Procédure de mise à jour de phéromones
- La phéromone sévapore avec un taux dévaporation
sur chaque bord de solution - Chaque fourmi dépose des phéromones sur des bords
de solutions trouvées dans litération
respective - Mise à jour des phéromones sur la meilleure
solution par les fourmis Élitistes - Lorsquil y a trop de fourmis, ils encouragent
dexploitation sur de chemins locaux, ça provoque
le problème de État de stagnation - La formalisation de mise à jour de phéromones
6La 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 dune contribution
pondérée dénotée par doù 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
7La 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
lalgorithme de fourmis - La comparaison de performance entre la stratégie
de MTL et la stratégie de fourmis Élitistes , le
résultat expérimental est démontré au dessous
8Le 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
9La détermination de limite de phéromones
- Létat de convergence du système de Max Min
- La détermination de la borne supérieure se
fait de façon dynamique, elle sexprime sous la
forme mathématique suivante - La value de la borne inférieure est calculée
sous la formule mathématique suivante -
10Perfectionnements 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 daméliorer la qualité de solution
locale - Les algorithmes de recherche locale 2-Opt, 3-Opt
et Lin-Kernigan - Le résultat démontre que lapplication de
lheuristique Lin-Kernigan dans lalgorithme de
fourmis aura une performance plus significatif -
11Comparaison 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
dalgorithme - Analyse dalgorithme de fourmis Complexité
dalgorithme de fourmis avec n villes
disponible, la stratégie de liste de candidat
réduit la complexité à
12Mise en œuvre du cadre de hypercube dans
lalgorithme de fourmis
- Les phéromones associées aux bords de chemin
seront considérées comme étant un vecteur - Lensemble 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 lespace de hybercube, la
formalisation mathématique est la suivante
13Mise en œuvre du cadre de hypercube dans
lalgorithme de fourmis
- La forme de mise a jour de phéromones est
interprétée comme une déplacement du vecteur
sur le plan denveloppe convexe , il est
décrit sous la forme suivante - Le facteur signifie un taux dapprentissage à
lintervalle 0,1, le vecteur est considérée
comme un moyen pondéré aux chemins candidats à
mettre à jour -
14Conclusion
- Lalgorithme de fourmis a été amélioré par ces
stratégies en terme de la qualité de solution et
la performance - Lalgorithme de fourmis fournit des avantages
multiples en lappliquant dans les diverses
domaines - Dans la recherche de future, lalgorithme tende
dêtre 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.
15Bibliographies
- 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, Vol7.
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
16Merci et questions?