Initiation à l’optimisation : métaheuristiques - Problèmes à variables continues

Les métaheuristiques sont parmi les méthodes d’optimisation les plus faciles à mettre en œuvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s’inspirant de phénomènes issus de la nature et des sciences.

Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés :

• GA (génétique),
• DE (évolution différentielle),
• BBO (biogéographie),
• RS (recuit simulé),
• GSO (Gravitationnel),
• CRO (réaction chimique),
• PSO (essaim de particules),
• LUC (lucioles),
• ABC (colonies d’abeilles artificielles),
• GWO (loup gris),
• ACO (colonies de fourmis),
• BSO (brainstorming).

Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels.

Des applications à la thermique, l’électronique, l’agriculture, la mécanique permettent d’étendre leur domaine d’application à la résolution de problème inverse, à l’ajustement de modèle à des résultats expérimentaux et à la propagation d’incertitudes.

Dominique Barchiesi est professeur à l’Université de technologie de Troyes et effectue des recherches en modélisation multiphysique, traitement du signal et optimisation.

Sameh Kessentini est enseignante-chercheuse à l’Université de Sfax (Tunisie) et effectue des recherches en modélisation, optimisation et statistique.