| Attributes | Values |
|---|
| type
| |
| Thesis advisor
| |
| Author
| |
| alternative label
| - Autonomous operator control for local search
|
| dc:subject
| - Thèses et écrits académiques
- Optimisation combinatoire
- Contraintes (intelligence artificielle)
- Recherche locale
- Recherche autonome
- Sélection adaptative d'opérateurs
|
| preferred label
| - Contrôle autonome d'opérateurs pour la recherche locale
|
| Language
| |
| Subject
| |
| dc:title
| - Contrôle autonome d'opérateurs pour la recherche locale
|
| Degree granting institution
| |
| note
| - resolution methods have been proposed to deal with larger and more complex problems. Among those methods, metaheuristics are commonly used in academia and the industry to efficiently solve optimisation and constraint satisfaction problems. Nevertheless the design of increasingly efficient metaheuristics often leads to highly complex systems which require a non negligible amount of expert knowledge of the problem itself and of the parameterisation of the solving method. Designing automous search algorithms is thus an important topic. This thesis deals with the problem of managing and selection operators in the context of local search, within a generic controller. The latter should be easily adapted to deal with different problems. We therefore focus on designing simple and robust methods. Operator selection is based on learning the past performance of each operator to determine which operators are likely to be the most beneficial at each step of the search. In order to carry out this selection, the controller uses information about the capacity of the operators to improve the quality of solutions as well as their propensity to produce solutions which differ from ones already obtained. The proposed methods are tested on different theoretical problems and ones with practical applications. Both combinatorial optimisation and constraint satisfaction problems are considered. The results show that it is possible to obtain good results with simple methods. The proposed adaptive mecanisms are shown to be robust across different problems.
- Au fil des années, un nombre croissant de méthodes de résolution ont été proposées afin de traiter des problèmes plus grands et plus complexes. Parmi ces méthodes, les métaheuristiques sont largement utilisées dans le monde académique et industriel afin de résoudre efficacement des problèmes d'optimisation et de satisfaction de contraintes. Toutefois la conception de métaheuristiques de plus en plus performantes produit souvent des systèmes fortement complexes dont l'utilisation demande une expertise non négligeable aussi bien du problème lui-même que de la façon de paramétrer la méthode de résolution. Concevoir des algorithmes de recherche autonomes est donc une question importante. Cette thèse traite du problème de la gestion et de la sélection d'opérateurs dans le contexte de la recherche locale, au sein d'un contrôleur générique. Celui a pour but de pouvoir être réutilisé facilement pour traiter différents problèmes. Nous nous attachons donc à concevoir des méthodes simples et robustes. La sélection des opérateurs se base sur un apprentissage des performances antérieures de chaque opérateur afin de déterminer les opérateurs vraisemblablement les plus bénéfiques à chaque pas de la recherche. Pour effectuer ces choix, le contrôleur se base sur la capacité des opérateurs à améliorer la qualité des solutions ainsi que sur la faculté de produire des solutions qui diffèrent de celles déjà obtenues. Les méthodes proposées sont testées sur différents problèmes théoriques et pratiques d'optimisation combinatoire et de satisfaction de contraintes. Les résultats obtenus montrent qu'il est possible d'obtenir des résultats corrects avec des méthodes simples. Les mécanismes adaptatifs proposés se révèlent robustes sur différents problèmes.
|
| dc:type
| |
| http://iflastandar...bd/elements/P1001
| |
| rdaw:P10219
| |
| has content type
| |
| is primary topic
of | |
| is rdam:P30135
of | |
![[RDF Data]](/fct/images/sw-rdf-blue.png)
