About: Algorithmes évolutionnaires et résolution de problèmes de satifaction de contraintes en domaines finis   Goto Sponge  NotDistinct  Permalink

An Entity of Type : rdac:C10001, within Data Space : data.idref.fr associated with source document(s)

AttributesValues
type
Thesis advisor
Author
alternative label
  • Evolutionary algorithms and solving constraint satisfaction problems in finite domains
dc:subject
  • Thèses et écrits académiques
  • Algorithmes
  • Contraintes (mécanique)
preferred label
  • Algorithmes évolutionnaires et résolution de problèmes de satifaction de contraintes en domaines finis
Language
Subject
dc:title
  • Algorithmes évolutionnaires et résolution de problèmes de satifaction de contraintes en domaines finis
Degree granting institution
note
  • This thesis deals with the use of evolutionary algorithms (EA) to solve constraint satisfaction problems (CSP) in finite domains, without any particular specialization nor hybridization. Having presented the CSP and general methods used to solve those (chapters 1 and 2), we present the evolutionary paradigm and its applications (chapter 3 and 4). Then, we propose a comparison between the tree search methods and metaheuristics on over-constrained graph coloring in a context of minimal regulation of the parameters (chapter 5). We study the research landscape for understanding the reasons of the operators (crossover, mutation, diversification), the parameter setting of which is less difficult than with the classical operators (chapter 6). We conclude on the interest of investigating the neutrality networks.
  • Cette thèse traite de l’utilisation des algorithmes évolutionnaires (AE) pour résoudre des problèmes de satisfaction de contrainte (CSP) en domaines finis dans spécialisation ni hybridation particulière. Après avoir présenté les CSP et les méthodes couramment utilisées pour les résoudre (chapitres 1 et 2), nous présentons le paradigme évolutionnaire et ses applications (chapitres 3 et 4). Ensuite, nous proposons une comparaison entre les méthodes de recherche arborescente et les métaheuristiques sur des coloriages de graphe sur-contraints, dans un contexte de réglage des paramètres minimal (chapitre 5). Nous étudions le paysage de recherche pour comprendre les raisons des différences d’efficacité des méthodes. Enfin, nous proposons de nouveaux opérateurs génétiques (croisement, mutation, diversification) dont le paramétrage est moins fastidieux qu’avec les opérateurs classiques (chapitre 6). Nous concluons sur l’intérêt d’exploration des réseaux de neutralité.
dc:type
  • Text
http://iflastandar...bd/elements/P1001
rdaw:P10219
  • 2002
has content type
is primary topic of
is rdam:P30135 of
Faceted Search & Find service v1.13.91 as of Aug 16 2018


Alternative Linked Data Documents: ODE     Content Formats:       RDF       ODATA       Microdata      About   
This material is Open Knowledge   W3C Semantic Web Technology [RDF Data]
OpenLink Virtuoso version 07.20.3229 as of May 14 2019, on Linux (x86_64-pc-linux-gnu), Single-Server Edition (70 GB total memory)
Data on this page belongs to its respective rights holders.
Virtuoso Faceted Browser Copyright © 2009-2024 OpenLink Software