WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Utilisation des méthodes d'optimisations métaheuristiques pour la résolution du problème de répartition optimale de la puissance dans les réseaux électriques

( Télécharger le fichier original )
par Abdelmalek Gacem
Centre Universitaire d'El-oued - Magister  2010
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

III-3.1 Principe Caractéristiques

L'optimisation par essaim de particules repose sur un ensemble d'individus originellement disposés de façon aléatoire et homogène, que nous appèlerons dès lors des particules, qui se déplacent dans l'hyperespace de recherche et constituent, chacune, une solution potentielle. Chaque particule dispose d'une mémoire concernant sa meilleure solution visitée ainsi que la capacité de communiquer avec les particules constituant son entourage. A partir de ces informations, la particule va suivre une tendance faite, d'une part, de sa volonté à retourner vers sa solution optimale, et d'autre part, de son mimétisme par rapport aux solutions trouvées dans son voisinage.

A partir d'optimums locaux et empiriques, l'ensemble des particules va, normalement, converger vers la solution optimale globale du problème traité. Ce modèle présente quelques propriétés intéressantes, qui en font un bon outil pour de nombreux problèmes d'optimisation, particulièrement les problèmes fortement non linéaires, continus ou mixtes (certaines variables étant réelles et d'autres entières) :

1) Il est facile à programmer, quelques lignes de code suffisent dans n'importe quel langage évolué.

2) Il est robuste (de mauvais choix de paramètres dégradent les performances, mais n'empêchent pas d'obtenir une solution).

Figure III-9 : Schéma de principe du déplacement d'une particule.

Signalons, de plus, qu'il existe des versions adaptatives qui évitent même à l'utilisateur la peine de définir les paramètres (taille de l'essaim, taille des groupes d'informatrices, coefficients de confiance). L'une de ces méthodes (Tribes) est décrite en détail dans un des documents téléchargeables à partir du site du séminaire OEP'03. Son code source est disponible via le site Particle Swarm Central.

III -3.2 Topologie du voisinage

Le voisinage constitue la structure du réseau social. Les particules à l'intérieur d'un voisinage communiquent entre-elles. Différents voisinages ont été étudiés (Kennedy, 1999) et sont considérés en fonction des identificateurs des particules et non des informations topologiques comme les distances euclidiennes dans l'espace de recherche [15] :

A. Topologie en étoile : chaque particule est reliée à toutes les autres. l'optimum du voisinage est l'optimum global.

B. Topologie en anneau : chaque particule est reliée à n particules (en général, n =3), c'est la topologie la plus utilisée.

C. Topologie en rayon : les particules ne communiquent qu'avec une seule particule centrale

Figure III-10 : (a) anneau (avec n = 2), (b) rayon, (c) étoile.

Le voisinage géographique auquel nous sommes amenés à penser en premier lieu n'est pas nécessairement pertinent car, d'une part, il s'agirait d'un voisinage trop local, et d'autre part car la socialisation des particules tend à rendre tout voisinage social en voisinage géographique. Enfin, c'est un voisinage très lourd en terme de calculs car nécessitant de recalculer le voisinage de chaque particule à chaque itération [29].

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le doute est le commencement de la sagesse"   Aristote