Adaptation de la méthode des colonies de fourmis pour l'optimisation en variables continue : application en génie biomédical

par Johann Dréo

Thèse de doctorat en Génie biologique et médical. Optimisation

Sous la direction de Patrick Siarry.


  • Résumé

    Les métaheuristiques de colonies de fourmis s'inspirent des comportements collectifs observés chez les fourmis pour résoudre des problèmes d'optimisation difficiles. La première approche pour concevoir des métaheuristiques d'optimisation continue en suivant cette métaphore consiste à créer un système multi-agent. Nous proposons ainsi un algorithme de "colonies de fourmis interagissantes" (CIAC). La deuxième approche décrit ces métaheuristiques comme des méthodes manipulant un échantillonage d'une distribution de probabilité. Nous proposons ainsi un algorithme "à estimation de distribution" (CHEDA). En accord avec le concept de programmation à mémoire adaptative, nos algorithmes font l'objet d'une hybridation avec une recherche locale de Nelder-Mead (HCIAC). Nous avons ensuite adapté cette méthode à des problèmes continus dynamiques (DHCIAC), pour lesquels nous proposons également un nouveau jeu de test cohérent. Nos algorithmes sont enfin appliqués dans le cadre de l'automatisation du suivi des lésions de l'oeil.

  • Titre traduit

    Adaptation of the ant colony method to optimization with continuous variables : application in biomedical engineering


  • Résumé

    The ant colony algorithms are inspired by the collective behaviours observed in ant colonies and aim at solving difficult optimization problems. The first approach to conceive some metaheuristics for the continuous optimization using this metaphor concist in creating a multi-agent system. We thus propose an "interacting ant colony" algorithms (CIAC). The second approach describe these metaheuristics as some methods manipulating a sampling of a probability density. We thus propose an "estimation of distribution" algorithm (CHEDA). In line with the adaptative memory programming concept, our algorithms are hybridicized with a Nelder-Mead local search (HCIAC). We have afterward adapted this method to continuous dynamic problems (DHCIAC), and proposed a new coherent benchmark. Our algorithms are finally applied as part of the automatization of the follow-up of eye injury.

Consulter en bibliothèque

La version de soutenance existe sous forme papier

Informations

  • Détails : 158 f.
  • Notes : Publication autorisée par le jury
  • Annexes : Bibliogr. f. 142-158

Où se trouve cette thèse ?

  • Bibliothèque : Université Paris-Est Créteil Val de Marne. Service commun de la documentation. Section multidisciplinaire.
  • Consultable sur place dans l'établissement demandeur
Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.