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

 > 

Conception d'idéotypes de tomate adaptés au stress hydrique.

( Télécharger le fichier original )
par Cheikh Mehdi Ould Mohamed Abdellahi Cheikh Mehdi
Montpellier-II - Master-2 informatique 2015
  

précédent sommaire suivant

Extinction Rebellion

2.4 La somme pondérée

Cette méthode de résolution est la plus évidente et la plus largement utilisée en pratique parmi toutes les méthodes classiques. Elle consiste à ramener le problème multi-objectif à un problème d'optimisation mono-objectif, il s'agit d'associer à chaque fonction objectif un coefficient de pondération et à faire la somme des fonctions objectifs pondérées pour obtenir une nouvelle et unique fonction objectif (l'équatin2.3). Ces coefficients sont généralement choisis en fonction de l'importance relative que le décideur attribue à l'objectif.

F = min k i=1 wifi(x), k = 2 (2.3)

Où les poids 0 < wi < 1 sont tels que k i=1 wi = 1

24

FIGURE 2.5 Le scénario général de NSGA-II.

25

Algorithm 4 NSGA-II

1: Initialiser les populations P(0), Q(0) de taille N, L : nombre de génération, t = 0.

2: while t < L do

3: R(t) = P(t) ? Q(t) ;//Création de R(t), P(t) et Q(t) désignent respectivement la population et la progéniture à la génération t.

4: F=Algorithme3(R(t)) //Trier R(t) selon le principe de dominance, F = (F1, F2, F3, ...).

5: P(t + 1) = Ø, i = 1 ;// La nouvelle population

6: while |P(t + 1)| + |Fi| < N do

7: P(t + 1) = P(t + 1) ? Fi ;

8: Algorithme2(Fi);

9: i + +;

10: end while

11: P(t+1) = P(t+1)?Fi[1 : (N-|P(t+1)|)]//Ordonner l'ensemble Fi selon la distance de Crowding et inclure les N -|P(t+1)| solutions ayant les valeurs di les plus grandes.

12: Q(t + 1) = mak_new_pop(P(t + 1))//Créer la population des enfants Q(t + 1) à partir de la population des parents P(t + 1).

13: t + +;

14: end while

2.4.1 Utilisation de la somme pondérée

Il est à noter que la variable k (le nombre des fonctions objectifs dans l'algorithme1) ne prend que deux valeurs dans ce travail :

> 2 si on fait un ajustement indépendant (ajuster sous une seule condition (témoin ou stress) la MFobs et la MSobs d'où deux fonctions objectifs seulement).

> 4 si on fait un ajustement parallèle (les deux conditions témoin et stress d'où deux fonctions objectifs par condition). Pour cet ajustement la somme pondérée est utilisée pour fusionner les 2 fonctions objectifs par condition à une seule par condition (l'équation2.4).

fCondition = w × fMF + (1 - w) × fMS (2.4)

Avec w=0.50 : l'importance relative attribuée aux fonctions objectifs fMF et fMS est identique, chacune de ces fonction ayant importance identique.

précédent sommaire suivant






Extinction Rebellion





Changeons ce systeme injuste, Soyez votre propre syndic





"Des chercheurs qui cherchent on en trouve, des chercheurs qui trouvent, on en cherche !"   Charles de Gaulle