1.13. RECHERCHE TABU
La méthode TABU, prononcé tabou, a
été développée par Glover et à montrer
ses
performance sur des nombreux problèmes d'optimisation.
Elle permet d'atteindre le
minimum global d'un problème d'optimisation à
partie d'une analogie avec la mémoire
du cerveau humaine .Le processus de résolution
développé par cette méthodes
commence par la génération d'une configuration de
paramètre hasard .Ensuit ,a chaque
itération ,le voisinage de la configuration courante est
parcourue par une série de
mouvement aléatoire de façon a trouver une
meilleure Solution .Apres son exécution,
chacun des ces mouvements est ajouter a une liste qui
représente la mémoire de la
méthode .Cette liste, de taille limitée, est
dénommé liste Tabou. Les mouvements qui
font partie de la liste Tabou sont considère interdit.
C'est-à-dire dire qu'ils ne peuvent
pas être exécutés une autre fois tant
qu'ils sont dans la liste. Par contre, s'il existe un
mouvement qui appartient à la liste Tabou mais qui en
même temps nous amène à une
meilleure solution du problème ,une nouvelle
exécution de ce mouvement sera alors
accepter .Dans ce cas la nouvelle solution obtenue remplacer la
solution courante et le
processus recommence .Si pendent le processus d'optimisation la
liste Tabou devient
plein ,nous retirent le plus ancien mouvement de la liste avant
d'ajouter un nouveaux
.L'algorithme s'arrêt lorsque nous n'avons plus
d'amélioration sensible de le valeur de la
solution.a (Fig.11).Illustre le processus développé
par la méthode [34, 35, 36, 37,38].
Générer une solution aléatoire
Actualiser avec
Définir une direction de recherche
Terminer
=+
Meilleur
Solution
Meilleure configuration obtenue
Figure 12: Organigramme de la rechercher Tabou
1.14. ALGORITHME EVOLUTIONNISTE
Les algorithmes évolutionniste sont basés sur des
principes simples. En effet, peu
de connaissance sur la manière de résoudre ces
problèmes sont efficaces l'évolution
.C'est pourquoi dans nombreux domaines, les chercheur ont
été amenés à s'y intéresser.
Les algorithmes évolutionniste sont une classe
d'algorithme d'optimisation par
recherche Probabiliste basés sur le modèle de
l'évolution naturelle. Ils modalisent une
population d'individus par des point dans un espace. Ils ont
montré leur capacité à éviter
la convergence .Des solutions vers des optima locaux. Plusieurs
types dévolutions ont
été développés, donnant naissance
à quatre grandes tendances : les stratégies
d'évolution, la programmation évolutive, la
programmation génétique et les algorithmes
génétiques.
| 
