2.3.5 Comparaison avec d'autres techniques
Le tableau (2.7) présente la comparaison entre les
résultats obtenus par DPSO [Benameur et al, 2009b] et différentes
techniques reportées dans la littérature, [Cheng et al, 2005],
[Alami et El Imrani, 2007], [Funabiki et Takefuji, 1992], [Kim et al, 1997].
Pour pouvoir comparer les performances des techniques
employées, deux critères de performances sont utilisés.
Ces critères incluent le nombre d'itérations requis pour la
convergence ainsi que le taux de convergence à la solution optimale. Le
tableau (2.7) illustre la moyenne de ces deux critères obtenue à
la suite de 100 exécutions des différentes techniques.
TAB. 2.7 - Comparaison des performances des différentes
techniques pour les 8 problèmes
|
Méthodes
|
Problème #
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
|
DPSO
|
# d'itérations
|
1
|
5
|
30
|
40
|
55
|
60
|
50
|
60
|
|
Taux de
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
|
Convergence%
|
|
|
|
|
|
|
|
|
|
[Cheng et
|
# d'itérations
|
1
|
5
|
3
|
1
|
5
|
8.6
|
4
|
5
|
|
al, 2005]
|
Taux de
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
|
Convergence%
|
|
|
|
|
|
|
|
|
|
[Alami et
|
# d'itérations
|
1
|
2
|
2
|
2
|
2.25
|
2.75
|
3.52
|
4
|
|
El Imrani,
2008]
|
Taux de
Convergence%
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
100
|
|
[Funabiki
|
# d'itérations
|
212
|
294
|
147.8
|
117.5
|
100.3
|
234.8
|
85.6
|
305.6
|
|
et Takefuji,
1992]
|
Taux de
Convergence%
|
100
|
9
|
93
|
100
|
100
|
79
|
100
|
24
|
|
[Kim et al,
1997]
|
# d'itérations
Taux de
|
-
-
|
279.9
62
|
67.4
99
|
64.2
100
|
126.8
98
|
62.4
97
|
127.7
99
|
151.9
52
|
|
Convergence%
|
|
|
|
|
|
|
|
|
Le tableau (2.7) montre que l'implémentation de
l'algorithme DPSO sur les différentes instances du problème
étudié est exploitable. En effet, l'algorithme de base DPSO
converge, à chaque exécution, vers une solution pour les
différentes instances du problème.
Même si le nombre moyen d'itérations
nécessaire à la convergence de DPSO est plus grand relativement
à celui requis par les autres modèles pour quelques instances,
l'application de cet algorithme reste plus adéquate du fait que la
complexité de l'algorithme PSO est plus petite que celle des autres
algorithmes utilisés (algorithmes culturels, réseaux de
neurone).
| 
