Optimisation par colonie d`abeilles

Report
Optimisation par la méthode
des abeilles
Présenté par: MOUSSA Hadjer.
Free Powerpoint Templates
Option: RFIA.
Page 1
Sommaire
•
•
•
•
•
•
Introduction.
Historique.
Comportement des abeilles.
Algorithme.
Exemple d’application.
Conclusion.
Free Powerpoint Templates
Page 2
Introduction
• La méthode des abeilles est une méthode d’optimisation
inspirée du comportement intelligent de l’abeille lors de
la récolte du nectar.
•
Abeille: insecte sociale, très organisée.
•
trois types d’abeilles: ouvrière, faux-bourdons,
une seule reine.
trois types de butineuses: active, inactives,
éclaireuse.
But : système multi-agents. Processus de
résolution réalisé par l’interaction entre
ces agents.
Free Powerpoint Templates
Page 3
Historique
 2004, HONEY-BEE : CRAIG A.TOVEY, SUNIL NAKRANI
à GEORGIA TECH



2004-2005, VIRTUAL BEE ALGORITHM : XINSHE YANG à CAMBRIDGE
2005, HONEY-BEE MATING
OPTIMIZATION : HADDAD, AFSHAR et
leurs collègues
2006, ARTIFICIAL BEE COLONY :
B.BASTURK, D.JARABOGO en Turquie
Free Powerpoint Templates
Page 4
Comportement des abeilles
 Principe de base : coopération entre les abeilles, faite
par la communication via une danse, pour transmettre
des informations sur les sources de nourriture.

Deux types de danse :
- Danse en rond -> pollen à faible distance.
- Danse frétillante -> à moins de 10 Km.
Free Powerpoint Templates
Page 5
Algorithme









Initialiser la population avec n solutions aléatoires.
Evaluer la fitness de la population.
Tant que le critère d’arrêt n’est pas satisfait faire
Recruter des abeilles -> rechercher de nouvelle source
de nourriture.
Evaluer la fitness de la population.
Si un membre de la population ne s’est pas amélioré
faire enregistrer la solution et remplacer la par une
solution aléatoire.
Trouver S solutions aléatoires et remplacer les S
membres de la population qui ont la mauvaise fitness.
Fin Tant que.
Retourner la meilleure solution.
Free Powerpoint Templates
Page 6
Exemple d’application
Free Powerpoint Templates
Page 7
Exemple d’application
y
*
*
*
*
*
*
*
*
*
*
x
Génération aléatoire d’une population initiale à n=10
Solutions. Cette étape est faite par les éclaireuses.
Free Powerpoint Templates
Page 8
Exemple d’application
y
▪
▪
*
*
m
▫
▫
*
▫
*
*
x
1
2
3
4
80%
78%
75%
72%
Evaluer la fitness de la population. Construire un
tableau. Choisir m=5 sites parmi lesquels e=2 sont
meilleurs.
5
6
7
8
9
10
69%
66% 65%
60%
Free Powerpoint
Templates
59%
58%
Page 9
Exemple d’application
y
**
**
*
*
**
*
▪
*
*
*
*
*
▪
*
*
*
▫
▫
*
*
▫
*
x
Recrutement aléatoire des abeilles. n1=4 , n2=2.
Evaluer la fitness de chaque site. Choisir la meilleur
abeilles de chaque site -> former une nouvelle
population.
Free Powerpoint Templates
Page 10
Exemple d’application
y
e
*
*
o
o
o
*
*
m
*
o
o
x
La nouvelle population = m meilleurs solutions
précédentes + m autres solutions aléatoire.
Free Powerpoint Templates
Page 11
Exemple d’application
Le maximum global
y
*
*
*
*
*
x
À la fin des itération : meilleure solution (solution
optimale de la fonction).
Free Powerpoint Templates
Page 12
Conclusion
Avantage :
Très efficace dans la recherche des solutions optimales.
Surmonte le problème de l’optimum local.
Facile à implémenter.
Inconvénients:
L’utilisation de plusieurs paramètres réglables.
Sensible à des problèmes extrêmement difficiles.
L’algorithme à une robustesse remarquable, produisant
des taux de réussite de 100% dans tans les cas qu’il la
traité.
Un des meilleurs techniques concernant la rapidité
dans l’optimisation et la précision des résultats
obtenus.
Free Powerpoint Templates
Page 13
Références bibliographiques
[1] www. scholarpedia.org/article/Artificial_bee_colony_algorithm.
[2] Dervis Karaboga, Bahriye Basturk, A powerful and efficient algorithm for
numerical function optimization: artificial bee colony (ABC) algorithm.
Springer Science+Business Media B.V. 2007
[3] R. Fonseca, M. Paluszewski and P. Winter, Protein Structure Prediction
Using Bee Colony Optimization Metaheuristic, Dept. of Computer Science,
University of Copenhagen • Universitetsparken 1 DK-2100 Copenhagen •
Denmark.
[4] Dusan Teodorovic, Bee Colony Optimization (BCO), University of
Belgrade, Faculty of Transport and Traffic Engineering, Vojvode Stepe 305
11000 Belgrade, Serbia.
[5] Xin-She Yang, Nature-Inspired Metaheuristic Algorithms, Luniver Press.
Free Powerpoint Templates
Page 14

similar documents