slide1
Download
Skip this Video
Download Presentation
Free Powerpoint Templates

Loading in 2 Seconds...

play fullscreen
1 / 14

Free Powerpoint Templates - PowerPoint PPT Presentation


  • 83 Views
  • Uploaded on

Optimisation par la méthode des abeilles Présenté par: MOUSSA Hadjer. Option: RFIA. Free Powerpoint Templates. Sommaire. Introduction. Historique. Comportement des abeilles. Algorithme.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Free Powerpoint Templates' - june


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide1

Optimisation par la méthode des abeilles

Présenté par: MOUSSA Hadjer.

Option: RFIA.

Free Powerpoint Templates

sommaire
Sommaire
  • Introduction.
  • Historique.
  • Comportement des abeilles.
  • Algorithme.
  • Exemple d’application.
  • Conclusion.
introduction
Introduction
  • La méthode des abeillesest une méthoded’optimisationinspirée du comportement intelligent de l’abeille lors de la récolte du nectar.
  • Abeille: insecte sociale, très organisée.
  • trois types d’abeilles: ouvrière, faux-bourdons,

une seule reine.

trois types de butineuses: active, inactives,

éclaireuse.

But : système multi-agents. Processus de

résolution réalisé par l’interaction entre

ces agents.

slide4

Historique

2004, HONEY-BEE : CRAIG A.TOVEY, SUNIL NAKRANI

à GEORGIA TECH

2004-2005, VIRTUAL BEE ALGORITHM : XIN-

SHE YANG à CAMBRIDGE

2005, HONEY-BEE MATING

OPTIMIZATION : HADDAD, AFSHAR et

leurs collègues

2006, ARTIFICIAL BEE COLONY :

B.BASTURK, D.JARABOGO en Turquie

slide5

Comportement des abeilles

  • Principe de base : coopération entre les abeilles, faite par la communication via une danse, pour transmettre des informations sur les sources de nourriture.
  • Deux types de danse :

- Danse en rond -> pollen à faible distance.

- Danse frétillante -> à moins de 10 Km.

slide6

Algorithme

  • Initialiser la population avec n solutions aléatoires.
  • Evaluer la fitness de la population.
  • Tant quele critère d’arrêt n’est pas satisfait faire
  • Recruter des abeilles -> rechercher de nouvelle source
  • de nourriture.
  • Evaluer la fitness de la population.
  • Siun membre de la population ne s’est pas amélioré
  • faire enregistrer la solution et remplacer la par une
  • solution aléatoire.
  • Trouver S solutions aléatoires et remplacer les S
  • membres de la population qui ont la mauvaise fitness.
  • Fin Tant que.
  • Retourner la meilleure solution.
slide8

y

x

Exemple d’application

*

*

*

*

*

*

*

*

*

*

Génération aléatoire d’une population initiale à n=10

Solutions. Cette étape est faite par les éclaireuses.

slide9

y

x

Exemple d’application

m

*

*

*

*

*

Evaluer la fitness de la population. Construire un

tableau. Choisir m=5 sites parmi lesquels e=2 sont

meilleurs.

slide10

y

x

Exemple d’application

* *

* *

* *

*

*

*

*

*

*

*

*

*

*

*

*

*

*

Recrutement aléatoire des abeilles. n1=4 , n2=2.

Evaluer la fitness de chaque site. Choisir la meilleur

abeilles de chaque site -> former une nouvelle

population.

slide11

y

x

Exemple d’application

e

o

*

*

*

m

o

o

*

*

o

o

La nouvelle population = m meilleurs solutions

précédentes + m autres solutions aléatoire.

slide12

y

x

Exemple d’application

*

Le maximum global

*

*

*

*

À la fin des itération : meilleure solution (solution

optimale de la fonction).

slide13

Conclusion

Avantage :

Très efficace dans la recherche des solutions optimales.

Surmonte le problème de l’optimum local.

Facile à implémenter.

Inconvénients:

L’utilisation de plusieurs paramètres réglables.

Sensible à des problèmes extrêmement difficiles.

L’algorithme à une robustesse remarquable, produisant

des taux de réussite de 100% dans tans les cas qu’il la

traité.

Un des meilleurs techniques concernant la rapidité

dans l’optimisation et la précision des résultats

obtenus.

slide14

Références bibliographiques

[1] www. scholarpedia.org/article/Artificial_bee_colony_algorithm.

[2] DervisKaraboga, BahriyeBasturk, A powerful and efficient algorithm for numerical function optimization: artificial bee colony (ABC) algorithm. Springer Science+Business Media B.V. 2007

[3] R. Fonseca, M. Paluszewski and P. Winter, Protein Structure Prediction Using Bee Colony OptimizationMetaheuristic, Dept. of Computer Science, University of Copenhagen • Universitetsparken 1 DK-2100 Copenhagen • Denmark.

[4] Dusan Teodorovic, Bee ColonyOptimization (BCO), University of Belgrade, Faculty of Transport and Traffic Engineering, VojvodeStepe 305 11000 Belgrade, Serbia.

[5] Xin-She Yang, Nature-InspiredMetaheuristicAlgorithms, LuniverPress.

ad