diverses techniques d’optimisation inspirØes de l’auto ...ciac hciac function % ok evals err %...
TRANSCRIPT
![Page 1: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/1.jpg)
OEP'03 – Jeudi 2 octobre 2003 1Johann Dréo (Paris 12, LERISS)
Johann Dréo & Patrick SiarryUniversité Paris 12 (LERISS)
Séminaire Optimisation par Essaim Particulaire
Paris
Diverses techniques d'optimisation inspirées de l'auto-organisation dans les systèmes biologiques
![Page 2: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/2.jpg)
OEP'03 – Jeudi 2 octobre 2003 2Johann Dréo (Paris 12, LERISS)
PlanMétaheuristiques :OEP,Algorithmes évolutionnaires,Systèmes immunitaires,Colonies de fourmis
Théories :Auto-organisation,Programmation à mémoire adaptative,Bases communes.
HCIAC (Colonie de fourmis + communication) :Hétérarchie dense & communication,Bases, Hybridation,Résultats.
Conclusion.
![Page 3: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/3.jpg)
OEP'03 – Jeudi 2 octobre 2003 3Johann Dréo (Paris 12, LERISS)
OEP
� Optimisation
� Classification
� ...
![Page 4: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/4.jpg)
OEP'03 – Jeudi 2 octobre 2003 4Johann Dréo (Paris 12, LERISS)
Algorithmes évolutionnairesMutation
ReproductionSélection
![Page 5: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/5.jpg)
OEP'03 – Jeudi 2 octobre 2003 5Johann Dréo (Paris 12, LERISS)
Systèmes immunitaires
Clonage
Différenciation
Sélection
Artificial Immune Systems and their applicationsDasgupta, Springer Verlag, 1999
![Page 6: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/6.jpg)
OEP'03 – Jeudi 2 octobre 2003 6Johann Dréo (Paris 12, LERISS)
Colonies de fourmisNourriture
Nid
50%50%
?
Optimisation discrète
![Page 7: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/7.jpg)
OEP'03 – Jeudi 2 octobre 2003 7Johann Dréo (Paris 12, LERISS)
Fourmis et organisation du travail
Allocation dynamique de tâches
![Page 8: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/8.jpg)
OEP'03 – Jeudi 2 octobre 2003 8Johann Dréo (Paris 12, LERISS)
Auto-organisation
L'auto-organisation est un processus dans lequel un modèle de niveau global émerge uniquement d'un grand nombre d'interactions entre les composants de bas niveau
du système.
De plus, les règles spécifiant les interactions entre composants du système sont suivies en utilisant
uniquement des informations locales, sans référence au modèle global.
Self-Organization in Biological SystemsCamazine, Deneubourg, Franks, Sneyd, Theraulaz and Bonabeau
Princeton University Press, 2000
![Page 9: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/9.jpg)
OEP'03 – Jeudi 2 octobre 2003 9Johann Dréo (Paris 12, LERISS)
Auto-organisation
Composants simples Système complexeÉmergence
(interactions)
Rétroactions :
PositivesAmplification
NégativesStabilisation
Flux d'informations :
Signaux
Indices
![Page 10: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/10.jpg)
OEP'03 – Jeudi 2 octobre 2003 10Johann Dréo (Paris 12, LERISS)
Programmation à mémoire adaptative
Information(Représentation infos)
Intensification(Exploitation infos)
Diversification(Recherche infos)
===
Mémoire
Recherche locale
Recherche globale
Adaptive Memory Programming: A Unified View of Meta-HeuristicsTaillard, Gambardella, Gendreau, Potvin
European Journal of Operational Research, 1998
![Page 11: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/11.jpg)
OEP'03 – Jeudi 2 octobre 2003 11Johann Dréo (Paris 12, LERISS)
Bases en commun
Programmation à mémoire adaptative:
IntensificationDiversification
BUT
Auto-organisation :
RétroactionsDiversification
MOYEN
Fourmis :� Renforcement / saturation
� PistesOEP :
� Attirance / inertie
� Valeur fOBJ
Émergence
Fourmis :
� Regroupement
� Aléatoire / phéromonesOEP :
� Regroupement
� Coopération
![Page 12: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/12.jpg)
OEP'03 – Jeudi 2 octobre 2003 12Johann Dréo (Paris 12, LERISS)
Dense Heterarchy and mass communication as the basis of organization in ant colonies.
Wilson & Hölldobler, Trends in Ecology and Evolution, 1988
HiérarchieHétérarchie
Hétérarchie dense
![Page 13: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/13.jpg)
OEP'03 – Jeudi 2 octobre 2003 13Johann Dréo (Paris 12, LERISS)
Communication
Canaux
Informations
Propriétés
NourritureDéfense...
PistesTrophallaxies...
IndirecteMémoireModifiée...
![Page 14: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/14.jpg)
OEP'03 – Jeudi 2 octobre 2003 14Johann Dréo (Paris 12, LERISS)
L'algorithme CIAC
�
Pistes de phéromone
�
Recrutement direct
« Continuous Interacting Ant Colony »2
cana
uxL'algorithme CIAC
Continuous Interacting Ant Colony Algorithm Based on Dense Heterarchy
Dréo & SiarryFuture Generation Computer Systems, à paraître
![Page 15: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/15.jpg)
OEP'03 – Jeudi 2 octobre 2003 15Johann Dréo (Paris 12, LERISS)
CIAC : baseSpots de phéromone
Dépôt Renforcement
Zone de perception
Centre de gravité pondéré
![Page 16: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/16.jpg)
OEP'03 – Jeudi 2 octobre 2003 16Johann Dréo (Paris 12, LERISS)
CIAC : baseCommunication directe interindividuelle
MessagesInformations :
Amélioration fonction objectifPosition région d'intérêt
Echange direct d'infosSortie des minimums locaux
OEP
![Page 17: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/17.jpg)
OEP'03 – Jeudi 2 octobre 2003 17Johann Dréo (Paris 12, LERISS)
HCIAC
+ Recherche locale
= Algorithme HCIAC
CIAC
(Simplex de Nelder-Mead)
![Page 18: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/18.jpg)
OEP'03 – Jeudi 2 octobre 2003 18Johann Dréo (Paris 12, LERISS)
Terminale Algorithme...
Algorithme...Périodique
HCIAC : hybridations simples
Fourmi à l'optimum
![Page 19: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/19.jpg)
OEP'03 – Jeudi 2 octobre 2003 19Johann Dréo (Paris 12, LERISS)
HCIAC : hybridation décentralisée
Algorithme...
Déclenchement simplex ?
Seuil
Motivation
![Page 20: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/20.jpg)
OEP'03 – Jeudi 2 octobre 2003 20Johann Dréo (Paris 12, LERISS)
Paramétrage
HCIAC : paramètres
Paramètres fourmis : distribution normale
Paramètres algorithme :
Indice diversification / intensification
Méta-paramétrage par algo bi-objectif :1) vitesse2) précision
![Page 21: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/21.jpg)
OEP'03 – Jeudi 2 octobre 2003 21Johann Dréo (Paris 12, LERISS)
HCIAC : résultats
Auto-adaptation à la fonction : diversification
intensification
![Page 22: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/22.jpg)
OEP'03 – Jeudi 2 octobre 2003 22Johann Dréo (Paris 12, LERISS)
HCIAC : résultatsQualités :
� Précision
� Efficacité
� Parallélisme
Défauts :
� Nb. évaluations
CACO APIFunction % ok evals err % ok evals errR2 100 6842 0.00 [10000] 0.00SM 100 22050 [10000] 0.00Gr5 [10000] 0.18
CIAC HCIACFunction % ok evals err % ok evals errR2 100 11797 3e-3 100 18747 1e-8SM 100 50000 9e-10 100 18616 5e-8Gr5 63 48402 0.01 75 10870 1e-4
![Page 23: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/23.jpg)
OEP'03 – Jeudi 2 octobre 2003 23Johann Dréo (Paris 12, LERISS)
Optimisation continue dynamiqueT
T+1
Formalisation :
� Classes de problèmes de base
� Benchmark
MémoireIntensification / « tracking »Diversification permanente
HCIAC
![Page 24: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/24.jpg)
OEP'03 – Jeudi 2 octobre 2003 24Johann Dréo (Paris 12, LERISS)
Structure d'une métaheuristique
Mémoire
DiversificationIntensification
Intensification
IntensificationHCIAC
Diversification Intensification
Mémoire
OEP
![Page 25: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/25.jpg)
OEP'03 – Jeudi 2 octobre 2003 25Johann Dréo (Paris 12, LERISS)
Points importants
Programmation à mémoire adaptative :
IntensificationDiversification
BUT
Auto-organisation :
RétroactionsFlux d’infos
MOYEN
Émergence
�Population
�Parallélisme�Flexibilité
![Page 26: Diverses techniques d’optimisation inspirØes de l’auto ...CIAC HCIAC Function % ok evals err % ok evals err R2 100 11797 3e-3 100 18747 1e-8 SM 100 50000 9e-10 100 18616 5e-8](https://reader034.vdocuments.mx/reader034/viewer/2022051813/603114c2e82fc311de2779a3/html5/thumbnails/26.jpg)
OEP'03 – Jeudi 2 octobre 2003 26Johann Dréo (Paris 12, LERISS)
http://nojhan.free.fr
Métaheuristiques
Auto-organisation (colonies de fourmis)
Programmation à mémoire adaptative
Dréo, Pétrowski,Siarry, Taillard