Partitionnement de territoire à l'aide d'un algorithme génétique

More documents

Recommendations

Info

CHAPITRE 2. OPTIMISATION MULTIOBJECTIF 23 Makespan Incomparable Meilleur Pire Incomparable Temps d’inactivité Figure 2.1 – Les points dans la zone verte sont sans équivoque meilleurs que le point bleu puisque le dernier travail est achevé plus tôt et les machines sont inactives moins longtemps. Les points dans la zone rouge sont, eux, clairement moins bons. Toutefois, puisque les points dans les deux zones bleues sont meilleurs selon une dimension mais moins bons selon l’autre, ils ne peuvent être qualifiés de meilleurs ou moins bons. Définition 6. Ensemble Pareto optimal Cet ensemble de solutions Pareto optimales est appelé l’ensemble Pareto optimal. Nouslenotons ˆ X . Définition 7. Frontière Pareto L’image dans l’espace d’objectif de l’ensemble Pareto optimal est appelée la frontière Pareto ou encore l’ensemble non dominé. ˆY = F( ˆ X ) (2.10) La Figure 2.2 illustre cette dernière notion, toujours pour un problème bi-objectif. Définition 8. Point idéal et point nadir Le point idéal est défini par : y i = {min ˆxœ ˆ X f1(ˆx),...,min ˆxœ ˆ fp(ˆx)} (2.11) X Le point idéal correspond au point dans l’espace d’objectif ayant, pour chaque objectif, la plus petite valeur parmi les solutions de la frontière Pareto. Le point nadir est défini par : y n = {max ˆxœ ˆ X f1(ˆx),...,max ˆxœ ˆ fp(ˆx)} (2.12) X Le point nadir correspond au point dans l’espace d’objectif ayant, pour chaque objectif, la plus grande valeur parmi les solutions de la frontière Pareto. Ces deux points sont souvent utilisés pour avoir une idée des bornes de la frontière Pareto. La Figure 2.3 illustre ces deux points pour le problème de Flow-Shop. Définition 9. Solution supportée Les solutions supportées sont les solutions trouvées lorsque l’on résout le problème d’optimisation multiobjectif en agrégeant les différents
CHAPITRE 2. OPTIMISATION MULTIOBJECTIF 24 Makespan Frontière Pareto Solutions non dominées Solutions dominées Temps d’inactivité Figure 2.2 – Illustration de la frontière Pareto optimale : les points verts le long de la ligne pointillée (la frontière Pareto) sont tous Pareto optimaux : aucun autre point ne les domine. Les points en orange sont eux dominés : pour chacun d’eux au moins un point est meilleur pour tous les objectifs. Makespan Point idéal Point nadir Temps d’inactivité Figure 2.3 – Illustration du point idéal et du point nadir. Ces deux points donnent une bonne idée des bornes de la frontière Pareto optimale.
Page 3 and 4: The computer is incredibly fast, ac
Page 5 and 6: Remerciements J’aimerais adresser
Page 7 and 8: TABLE DES MATIÈRES 6 4.4 Partition
Page 9 and 10: Table des figures 2.1 Concept de do
Page 11 and 12: Chapitre 1 Introduction 1.1 Context
Page 13 and 14: CHAPITRE 1. INTRODUCTION 12 1.2 Str
Page 15 and 16: CHAPITRE 1. INTRODUCTION 14 1.4 Voc
Page 17 and 18: Chapitre 2 Optimisation multiobject
Page 19 and 20: CHAPITRE 2. OPTIMISATION MULTIOBJEC
Page 23: CHAPITRE 2. OPTIMISATION MULTIOBJEC
Page 29 and 30: Chapitre 3 Algorithmes évolutionni
Page 31 and 32: CHAPITRE 3. ALGORITHMES ÉVOLUTIONN
Page 49 and 50: Chapitre 4 Problème de partitionne
Page 52 and 53: CHAPITRE 4. PROBLÈME DE PARTITIONN
Page 57: CHAPITRE 4. PROBLÈME DE PARTITIONN
Page 62: CHAPITRE 4. PROBLÈME DE PARTITIONN
Page 65 and 66: Deuxième partie Apports personnels
Page 67 and 68: CHAPITRE 5. LECTURE CRITIQUE DE L
Page 75 and 76:
CHAPITRE 5. LECTURE CRITIQUE DE L
Page 77 and 78:
Page 79 and 80:
Page 81 and 82:
Page 83 and 84:
Page 85 and 86:
Chapitre 6 Etude de cas : la Wallon
Page 87 and 88:
CHAPITRE 6. ETUDE DE CAS : LA WALLO
Page 89 and 90:
Page 91 and 92:
Page 93 and 94:
Page 95 and 96:
Page 97 and 98:
Page 102 and 103:
Page 104 and 105:
Page 106 and 107:
Page 108 and 109:
Page 110 and 111:
Page 112 and 113:
Page 114 and 115:
Page 116 and 117:
Page 118 and 119:
CHAPITRE 7. EXTENSIONS 117 problèm
Page 120:
CHAPITRE 7. EXTENSIONS 119 Paramèt
Page 123 and 124:
CHAPITRE 7. EXTENSIONS 122 populati
Page 125 and 126:
CHAPITRE 7. EXTENSIONS 124 Figure 7
Page 127 and 128:
CHAPITRE 7. EXTENSIONS 126 viserait
Page 129 and 130:
CHAPITRE 7. EXTENSIONS 128 Algorith
Page 131 and 132:
CHAPITRE 7. EXTENSIONS 130 algorith
Page 133 and 134:
Bibliographie [1] Arcgis. http://ww
Page 135 and 136:
BIBLIOGRAPHIE 134 [42] M. Ehrgott.
Page 137 and 138:
BIBLIOGRAPHIE 136 [81] Herve Meunie
Page 139:
BIBLIOGRAPHIE 138 [121] Blaise Ague
show all

Partitionnement de territoire à l'aide d'un algorithme génétique

Create successful ePaper yourself

Delete template?

Save as template?