User Tools

Site Tools


accueil

Accueil

Les ingénieurs se heurtent quotidiennement à des problèmes technologiques de complexité grandissante, qui surgissent dans des domaines très divers, comme dans les transports, les télécommunications, la génomique, la mécanique, le traitement d’images, et l’électronique. Nous nous intéressons à un groupe de méthodes, dénommées métaheuristiques, comprenant notamment la méthode du recuit simulé, les algorithmes évolutionnaires, la méthode de recherche tabou, les algorithmes de colonies de fourmis, la programmation par contraintes… apparues, à partir des années 1980, avec une ambition commune : résoudre au mieux les problèmes dits d'optimisation difficile. Les métaheuristiques se prêtent, en outre, à des extensions diverses, qui ont été proposées pour faire face à des particularités de l’optimisation. Pour illustrer la vitalité du domaine, on peut citer quelques unes de ces extensions : modèles parallèles, optimisation multiobjectif, adaptation aux problèmes à variables continues, optimisation multimodale, méthodes hybrides, nouvelles métaheuristiques.

Cette présentation ne doit pas éluder la principale difficulté à laquelle est confronté l’utilisateur, en présence d’un problème d’optimisation concret : celui du choix d’une méthode ” efficace ”, capable de produire une solution ” optimale ” - ou de qualité acceptable – au prix d’un temps de calcul ” raisonnable ”. Face à ce souci pragmatique, la théorie n’est pas encore d’un grand secours, car les théorèmes de convergence sont souvent inexistants, ou applicables sous des hypothèses très restrictives. En outre, le réglage ” optimal ” des divers paramètres d’une métaheuristique, qui peut être préconisé par la théorie, est souvent inapplicable en pratique, car il induit un coût de calcul prohibitif. En conséquence, le choix d’une ” bonne ” méthode, et le réglage des paramètres de celle-ci, font généralement appel au savoir-faire et à l’ ” expérience ” de l’utilisateur, plutôt qu’à l’application fidèle de règles bien établies.

Les efforts de recherche en cours visent à remédier à cette situation, périlleuse à terme pour la crédibilité des métaheuristiques : compte tenu du foisonnement du domaine, il est devenu indispensable d’éclairer l’utilisateur dans le choix d’une métaheuristique ou d’une méthode hybride, et dans l’ajustement de ses paramètres. Nous mentionnons en particulier trois enjeux importants de ces travaux. Le premier est l’exploitation systématique d’hybridations et de coopérations entre méthodes (émergence des systèmes multi-agents, mise au point d’une taxinomie des méthodes hybrides, …). Le second concerne les possibilités d’analyse systématique des métaheuristiques du point de vue de la convergence, la complexité, la robustesse et les garanties de qualité ; une voie prometteuse est l’analyse des ” paysages d’énergie ” (rugosité, caractère fractal, …). Le troisième enjeu porte sur les tentatives d’unification du domaine, par exemple sous la dénomination de ” programmation à mémoire adaptative ”.

accueil.txt · Last modified: 2017/03/28 14:31 by meta