laboratoire dinformatique de luniversité de franche-comté un algorithme évolutionniste multiagent...
TRANSCRIPT
![Page 1: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/1.jpg)
Laboratoire d’Informatique de l’Université de Franche-Comté
Un algorithme évolutionniste
multiagent asynchrone et auto-adaptatif.
Application à l'optimisation de moteur électrique.
Jean-Laurent Hippolyte
![Page 2: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/2.jpg)
217 novembre 2006
Un algorithme évolutionniste déployable sur un réseau pair-à-pair
Efficacité des méthodes heuristiques Puissance des réseaux pair-à-pair
![Page 3: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/3.jpg)
317 novembre 2006
Plan
ObjectifsUn algorithme évolutionniste déployable sur un réseau pair-à-pair• Qualités requises• Parallélisme, multiagent, auto-adaptabilité et réinitialisation
Optimisation de moteurs électriques• Optimisation par algorithme évolutionnaire• Méthode utilisée
SmagPrincipes• Les états d’un agent• Les transitions entre états
Résultats expérimentaux
![Page 4: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/4.jpg)
417 novembre 2006
Qualités requises
DéployabilitéAdaptation à la chargeAdaptation à la mémoireAdaptation à la migrationPersistence
![Page 5: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/5.jpg)
517 novembre 2006
Parallélisme, multiagent, auto-adaptabilité et
réinitialisationMAGMA (Multi-Agent Meta-heuristic Architecture) [MR04]
Un agent = une méta-heuristiqueDéfinit une hiérarchie d’agentsBasé sur la combinaison de méta-heuristiques
![Page 6: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/6.jpg)
617 novembre 2006
Parallélisme, multiagent, auto-adaptabilité et
réinitialisationMAGA (Multi-Agent Genetic Algorithm) [ZLXJ04]
Un agent = une solutionAgents évoluent sur un treillisBasé sur 4 opérateurs génétiques• Compétition• Coopération• Mutation• Apprentissage
![Page 7: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/7.jpg)
717 novembre 2006
Parallélisme, multiagent, auto-adaptabilité et
réinitialisationCoSearch [TB06]Utilise 3 agents ayant des rôles définisUn agent principal, un diversificateur, un intensificateurÉchange d’informations par une mémoire adaptative commune
![Page 8: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/8.jpg)
817 novembre 2006
Parallélisme, multiagent, auto-adaptabilité et
réinitialisationSaw-tooth GA [KK06]Taille de population varie périodiquementSimilarités avec Smag
![Page 9: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/9.jpg)
917 novembre 2006
Optimisation de moteurs électriques
Limites de SQP (Sequential Quadratic Programming)Algorithmes évolutionnaires appliqués à la conception de machines électriques
![Page 10: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/10.jpg)
1017 novembre 2006
Optimisation de moteurs électriques
Initialization
Evaluation
Selection
Reproduction
Stoppingcriterium
Parameters to be dimensioned
Geometricalsizes
Magneticquantities
Electricalquantities
PowerBalance
Weight Efficiency
![Page 11: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/11.jpg)
1117 novembre 2006
Optimisation de moteurs électriques
Initialization
Evaluation
Selection
Reproduction
Stoppingcriterium
Aggregation
Temporaryfitness
Weight Efficiency
![Page 12: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/12.jpg)
1217 novembre 2006
Optimisation de moteurs électriques
Aggregation based evaluationInitialization
Evaluation
Selection
Reproduction
Stoppingcriterium
Aggregation
Temporaryfitness
Weight Efficiency
![Page 13: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/13.jpg)
1317 novembre 2006
Optimisation de moteurs électriques
The evaluation of an unfeasible solution is penalized
Initialization
Evaluation
Selection
Reproduction
Stoppingcriterium
Temporaryfitness
Final fitness
PenalizationConstraintsVerification
![Page 14: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/14.jpg)
1417 novembre 2006
Smag
Smag = Système MultiAgent Génétique
5 états :ReproductionPrédationDiscussionNégociationDéplacement
![Page 15: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/15.jpg)
1517 novembre 2006
Smag
Les critères de décision de l’agent :
Position dans la grille 2DChamp de vision / voisinage
Niveau de stress
![Page 16: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/16.jpg)
1617 novembre 2006
Smag
Transitions entre états
![Page 17: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/17.jpg)
1717 novembre 2006
Smag
Mécanisme de diversification pour prévenir une convergence prématurée
Ajout ou suppression d’agents en fonction de la taille de population
![Page 18: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/18.jpg)
1817 novembre 2006
Résultats expérimentaux
Comparaison avec Sawtooth GA sur 4 fonctions classiques
![Page 19: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/19.jpg)
1917 novembre 2006
Résultats expérimentaux
Exemple de résultats pour une exécution
![Page 20: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/20.jpg)
2017 novembre 2006
Résultats expérimentaux
Exemple de résultats pour 50 exécutions
![Page 21: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/21.jpg)
2117 novembre 2006
Conclusions
Smag est un algorithme évolutionniste sans sélection globale et avec une taille de population auto-réguléeIl répond à la plupart des requis pour le déploiement sur réseau P2PIl fait aussi bien que SQP avec moins de contraintes sur le problème du moteur électrique et mieux que Sawtooth GA sur des fonctions classiques
![Page 22: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/22.jpg)
2217 novembre 2006
Perspectives
Faire un Smag multiobjectif
Effectuer le déploiement sur réseau P2P
![Page 23: Laboratoire dInformatique de lUniversité de Franche-Comté Un algorithme évolutionniste multiagent asynchrone et auto-adaptatif. Application à l'optimisation](https://reader036.vdocuments.mx/reader036/viewer/2022070309/551d9d8e497959293b8c39cf/html5/thumbnails/23.jpg)
2317 novembre 2006
Références
[KK06] V. K. Koumousis and C. P. Katsaras. A saw-tooth genetic algorithm combining the effects of variable population size and reinitialization to enhance performance. IEEE Transactions on Evolutionary Computation, 10(1):19–28, February 2006.[MR04] Michela Milano and Andrea Roli. Magma: a multiagent architecture for metaheuristics. IEEE Transactions on Systems, Man, and Cybernetics, Part B, 34(2):925–941, 2004.[TB06] El-Ghazali Talbi and Vincent Bachelet. Cosearch: A parallel cooperative metaheuristic. Journal of Mathematical Modelling and Algorithms, 5(1):5–22, April 2006.[ZLXJ04] Weicai Zhong, Jing Liu, Mingzhi Xue, and Licheng Jiao. A multiagent genetic algorithm for global numerical optimization. IEEE Transactions on Systems, Man and Cybernetics, 34(2):1128–1141, April 2004.