II- 6. 2. 4 Les méthodes évolutionnistes
:
Les Algorithmes Evolutionnaires.Comprend principalement, en
plus des Algorithmes Génétiques, les Stratégies
d'évolution (en anglais Evolution Stratégies,
souvent désignées par ES), la programmation Evolutionnaire (en
anglais Evolutionnary Programming, EP) et la Programmation
Génétique (en anglais Genetic Programming, GP) [17].
Algorithmes Evolutionnair
|
Algorithmes Génétiques
|
|
Stratégies d'Evolution
|
|
Programmation
Génétique
|
|
Programmation Evolutionnaire
|
|
|
|
|
Figure II-11 : Principales
catégories des Algorithmes Evolutionnaires
II- 6. 2. 4. 1 Stratégies d'Evolution (ES) :
Les premiers efforts pour la mise en place des
Stratégies d'Evolution (SE) ont eu lieu dans les années 60 en
Allemagne par Rechenberg en 1973 et Schwefel 1981. Ces algorithmes
s'appuient sur une représentation en nombres
réels et de dimension fixe des individus, ainsi que sur un
opérateur de mutation gaussienne. Les ES les plus performantes utilisent
les mutations auto adaptatives, dans lesquelles chaque individu porte avec lui
les paramètres de la mutation gaussienne qui lui sera appliquée
- paramètres eux-mêmes soumis à
mutation.
II- 6. 2. 4. 2 Programmation Génétique
(GP) :
Proposée par Cramer en 1985, la Programmation
Génétique (GP) a surtout été popularisée par
Koza au début des années 90. Elle
s'intéresse à
l'évolution de programmes. Elle propose un paradigme
permettant la programmation automatique d'ordinateurs par des
heuristiques basées sur les mêmes principes
d'évolution que les AG. La différence entre la
GP et les AG réside essentiellement dans la représentation des
individus. En effet, la GP consiste à faire évoluer des individus
dont la structure est similaire à celle des programmes informatiques.
Koza représente les individus sous forme
d'arbres, c'est-à-dire de graphes
orientés et sans cycle, dans lesquels chaque noeud est associé
à une opération élémentaire relative au domaine du
problème. La PG est particulièrement adaptée à
l'évolution de structures complexes de dimensions
variables.
II- 6. 2. 4. 3 Programmation Evolutionnaire (EP) :
La Programmation Evolutionnaire (PE) est introduite dans les
années 60 par L. Fogel, puis étendue par Burgin, Atmar et
d'autres. Elle a été conçue dans le but de faire
évoluer des machines à états finis, puis a
été étendue aux problèmes
d'optimisation de paramètres. Cette approche met
l'emphase sur la relation entre les parents et leurs
descendants plutôt que sur les opérateurs
génétiques. Elle a été utilisée dans de
nombreux autres champs d'application. Les
caractéristiques de l'évolution sont très
proches de celles des SE. Contrairement aux trois autres AE classiques, la PE
n'utilise pas une représentation spécifique des
individus mais plutôt un modèle évolutionnaire de haut
niveau, qui est associé à une représentation et à
un opérateur de mutation directement appropriés au
problème à résoudre.
I-7 Conclusion
Dans ce chapitre, on a exposé la formulation
mathématique générale du problème de la
répartition optimale de puissance, qui se traduit par un problème
d'optimisation d'une fonction objective sujet
à des contraintes. La plupart des équations formulant ce
problème sont non linéaire, de ce fait, il est nécessaire
d'utiliser une technique de programmation non linéaire
pour la résolution du problème.
| 
