3.3.2 Les systèmes basés sur l'intelligence
des essaims particulaires (PSO)
Les méthodes de niche ont été
étendues récemment pour pallier aux limitations que
présente la méthode de base PSO, dans le contexte d'optimisation
multimodale. De ce fait, plusieurs techniques ont été
proposées dans la littérature.
3.3.2.1. Nbest PSO
La technique Nbest PSO a été
développée par Brits, Engelbrecht et van den Bergh. Cette
méthode redéfinit la meilleure position du voisinage pour
augmenter la diversité pendant le partage d'informations entre les
particules. En effet, pour chaque particule i, K particules voisines sont
déterminées, et la meilleure position du voisinage sera
définie comme le centre de masse des meilleures positions
visitées par ces K particules [Brits et al, 2002a].
3.3.2.2. Niche PSO
Dans cette technique, l'essaim initial, est
généré uniformément dans l'espace de recherche. La
performance des particules est examinée durant les itérations. Si
la fitness d'une particule reste inchangée durant quelques
itérations, sa position est convertie en une solution candidat. La
particule est ensuite retirée de l'essaim et un nouvel sous-essaim est
crée. Durant l'évolution de cette procédure, l'essaim a
tendance à perdre ses membres alors que de nouveaux sous-essaims sont
générés. Ces sous-essaims, dynamiquement crées,
sont censés identifier en parallèle tous les optima aussi bien
globaux que locaux [Brits et al, 2002b].
3.3.2.3. PSO basé sur le concept des
espèces (SPSO)
La méthode SPSO (Species Particle Swarm Optimization)
proposée dans [Li, 2004] consiste à rassembler les particules
semblables dans des sous-essaims appelés espèces (Species). Cette
technique utilise la distance Euclidienne comme mesure de similarité. La
meilleure particule dans une espèce s'appelle le noyau de
l'espèce (Species Seed), et la frontière des espèces est
le cercle dont le centre est le noyau de cette espèce et de rayon
r5. A chaque itération, les particules de l'essaim
se déplacent dans leur propre espace du sous-essaim. Ensuite, ces
particules sont évaluées et les espèces sont
redéfinies. Dans cette technique, les différents optima sont
maintenus d'une façon parallèle.
La performance de SPSO dépend du choix du
paramètre r5 qui représente le centre de
l'espace occupé par le sous-essaim. Ce paramètre est de grande
importance, puisqu' il permet d'affecter chaque particule à un
sous-essaim.
3.3.2.4. PSO basé sur les opérations
vectorielles
La technique de base proposée dans [Schoeman et
Engelbrecht, 2004], repose principalement sur des opérations
vectorielles (Vector-Based PSO : VPSO). Le principe de base réside dans
le fait que le produit scalaire de deux vecteurs se dirigeant dans
différentes directions sera négatif, alors que deux
vecteurs ayant la même direction auront un produit scalaire positif.
Puisque la technique de base PSO exploite les meilleurs
vecteurs de position locale et du voisinage, le produit scalaire des deux
vecteurs est donc calculé pour déterminer si la particule va se
diriger ou s'éloigner de la meilleure position. En outre, un rayon de
niche est calculé en cherchant la distance entre la meilleure position
du voisinage et la particule la plus proche, qui assure un produit scalaire
négatif.
Dans la version VPSO, les niches sont séquentiellement
optimisées une fois qu'elles sont identifiées durant
l'évolution du processus. Lorsque les niches ne sont pas
symétriques, par rapport au meilleur voisinage, des niches auxiliaires
peuvent être formées entre les niches déjà
identifiées. De ce fait, et vue la nature des espaces de recherche qui
ne sont pas nécessairement symétriques, le nombre de niches,
pouvant être identifié, peut être supérieur au nombre
de niches requis. Pour cela, une autre version a été introduite
pour pallier aux limites de VPSO.
Cette nouvelle technique, introduite par Schoeman et
Engelbrecht [Schoeman et Engelbrecht, 2005], applique un ensemble
d'opérations vectorielles en parallèle pour la formation des
niches dans l'espace de recherche (Parallel Vector-based PSO : PVPSO). Dans
PVPSO, les niches initiales sont identifiées comme dans VPSO, mais
toutes les particules sont évaluées simultanément. La mise
à jour de la vitesse est accomplie en utilisant la meilleure position
locale et celle du voisinage.
| 
