Perfectionnement d'un algorithme adaptatif d'optimisation par essaim particulaire : application en g?nie m?dical et en ?lectronique

par Yann Cooren

Thèse de doctorat en Sciences de l'ing?nieur : optimisation

Sous la direction de Patrick Siarry.

Soutenue le 27-11-2008

à Paris Est , dans le cadre de ?cole doctorale Sciences et Ing?nierie, Mat?riaux, Mod?lisation et Environnement (Champs-sur-Marne, Seine-et-Marne) , en partenariat avec NON RENSEIGNE (équipe de recherche) .


  • Résumé

    Les m?taheuristiques sont une famille d'algorithmes stochastiques destin?s ? r?soudre des probl?mes d 'optimisation difficile . Utilis?es dans de nombreux domaines, ces m?thodes pr?sentent l'avantage d'?tre g?n?ralement efficaces, sans pour autant que l'utilisateur ait ? modifier la structure de base de l'algorithme qu'il utilise. Parmi celles-ci, l'Optimisation par Essaim Particulaire (OEP) est une nouvelle classe d'algorithmes propos?e pour r?soudre les probl?mes ? variables continues. Les algorithmes d'OEP s'inspirent du comportement social des animaux ?voluant en essaim, tels que les oiseaux migrateurs ou les poissons. Les particules d'un m?me essaim communiquent de mani?re directe entre elles tout au long de la recherche pour construire une solution au probl?me pos?, en s'appuyant sur leur exp?rience collective. Reconnues depuis de nombreuses ann?es pour leur efficacit?, les m?taheuristiques pr?sentent des d?fauts qui rebutent encore certains utilisateurs. Le r?glage des param?tres des algorithmes est un de ceux-ci. Il est important, pour chaque probl?me pos?, de trouver le jeu de param?tres qui conduise ? des performances optimales de l'algorithme. Cependant, cette t?che est fastidieuse et co?teuse en temps, surtout pour les utilisateurs novices. Pour s'affranchir de ce type de r?glage, des recherches ont ?t? men?es pour proposer des algorithmes dits adaptatifs . Avec ces algorithmes, les valeurs des param?tres ne sont plus fig?es, mais sont modifi?es, en fonction des r?sultats collect?s durant le processus de recherche. Dans cette optique-l?, Maurice Clerc a propos? TRIBES, qui est un algorithme d'OEP mono-objectif sans aucun param?tre de contr?le. Cet algorithme fonctionne comme une bo?te noire , pour laquelle l'utilisateur n'a qu'? d?finir le probl?me ? traiter et le crit?re d'arr?t de l'algorithme. Nous proposons dans cette th?se une ?tude comportementale de TRIBES, qui permet d'en d?gager les principales qualit?s et les principaux d?fauts. Afin de corriger certains de ces d?fauts, deux modules ont ?t? ajout?s ? TRIBES. Une phase d'initialisation r?guli?re est ins?r?e, afin d'assurer, d?s le d?part de l'algorithme, une bonne couverture de l'espace de recherche par les particules. Une nouvelle strat?gie de d?placement, bas?e sur une hybridation avec un algorithme ? estimation de distribution, est aussi d?finie, afin de maintenir la diversit? au sein de l'essaim, tout au long du traitement. Le besoin croissant de m?thodes de r?solution de probl?mes multiobjectifs a conduit les concepteurs ? adapter leurs m?thodes pour r?soudre ce type de probl?me. La complexit? de cette op?ration provient du fait que les objectifs ? optimiser sont souvent contradictoires. Nous avons ?labor? une version multiobjectif de TRIBES, d?nomm?e MO-TRIBES. Nos algorithmes ont ?t? enfin appliqu?s ? la r?solution de probl?mes de seuillage d'images m?dicales et au probl?me de dimensionnement de composants de circuits analogiques

  • Titre traduit

    Improvement of an adaptive algorithm of Optimization by Swarm Particulaire : application in medical engineering and in electronics


  • Résumé

    Metaheuristics are a new family of stochastic algorithms which aim at solving difficult optimization problems. Used to solve various applicative problems, these methods have the advantage to be generally efficient on a large amount of problems. Among the metaheuristics, Particle Swarm Optimization (PSO) is a new class of algorithms proposed to solve continuous optimization problems. PSO algorithms are inspired from the social behavior of animals living in swarm, such as bird flocks or fish schools. The particles of the swarm use a direct way of communication in order to build a solution to the considered problem, based on their collective experience. Known for their e ciency, metaheuristics show the drawback of comprising too many parameters to be tuned. Such a drawback may rebu some users. Indeed, according to the values given to the parameters of the algorithm, its performance uctuates. So, it is important, for each problem, to nd the parameter set which gives the best performance of the algorithm. However, such a problem is complex and time consuming, especially for novice users. To avoid the user to tune the parameters, numerous researches have been done to propose adaptive algorithms. For such algorithms, the values of the parameters are changed according to the results previously found during the optimization process. TRIBES is an adaptive mono-objective parameter-free PSO algorithm, which was proposed by Maurice Clerc. TRIBES acts as a black box , for which the user has only the problem and the stopping criterion to de ne. The rst objective of this PhD is to make a global study of the behavior of TRIBES under several conditions, in order to determine the strengths and drawbacks of this adaptive algorithm. In order to improve TRIBES, two new strategies are added. First, a regular initialization process is defined in order to insure an exploration as wide as possible of the search space, since the beginning of the optimization process. A new strategy of displacement, based on an hybridation with an estimation of distribution algorithm, is also introduced to maintain the diversity in the swarm all along the process. The increasing need for multiobjective methods leads the researchers to adapt their methods to the multiobjective case. The di culty of such an operation is that, in most cases, the objectives are con icting. We designed MO-TRIBES, which is a multiobjective version of TRIBES. Finally, our algorithms are applied to thresholding segmentation of medical images and to the design of electronic components


Il est disponible au sein de la bibliothèque de l'établissement de soutenance.

Consulter en bibliothèque

La version de soutenance existe

Où se trouve cette thèse ?

Voir dans le Sudoc, catalogue collectif des bibliothèques de l'enseignement supérieur et de la recherche.