12.07.2013 Views

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

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

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

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

CHAPITRE 3. ALGORITHMES ÉVOLUTIONNISTES 40<br />

<strong>de</strong>s solutions. De manière générale, on peut mesurer la qualité du front trouvé par<br />

une métaheuristique <strong>à</strong> la fin <strong>de</strong> son exécution en mesurant sa distance par rapport au<br />

front Pareto optimal exact. Celui-ci n’est cependant pas toujours disponible et une série<br />

d’indicateurs <strong>de</strong> performance ont été mis au point pour mesurer la qualité <strong>de</strong>s solutions<br />

trouvées par une métaheuristique.<br />

Pour rappel, nous avions mentionné en section 3.3.1 que ces indicateurs étaient utilisés<br />

dans certaines métaheuristiques pour l’assignation <strong>de</strong> fitness.<br />

Nous allons brièvement décrire certains <strong>de</strong> ceux-ci dans le reste <strong>de</strong> cette section en se<br />

basant sur l’ouvrage [110]. L’objectif est <strong>de</strong> donner une idée <strong>de</strong> leur fonctionnement. Le<br />

lecteur intéressé est invité <strong>à</strong> se référer aux ouvrages suivants [127, 110] pour plus <strong>de</strong><br />

détails sur les différents indicateurs et leur fonctionnement.<br />

Les indicateurs <strong>de</strong> performance peuvent être rangés en trois catégories. La première<br />

catégorie permet <strong>de</strong> quantifier la convergence <strong>de</strong>s solutions trouvées vers le front Pareto<br />

optimal. La secon<strong>de</strong> catégorie permet <strong>de</strong> mesurer la diversité au sein <strong>de</strong>s solutions<br />

trouvées. Enfin, la troisième catégorie, appelée hybri<strong>de</strong>, regroupe la mesure <strong>de</strong> convergence<br />

et <strong>de</strong> diversité.<br />

Indicateurs <strong>de</strong> convergences<br />

Contribution La contribution[81] est un opérateur binaire qui permet <strong>de</strong> comparer<br />

<strong>de</strong>ux fronts. Soit <strong>de</strong>ux fronts, P1 et P2. La contribution <strong>de</strong> P1 par rapport <strong>à</strong> P2 est<br />

la proportion <strong>de</strong> solutions non dominées dans le front Pu = P1fiP2 qui proviennent<br />

<strong>de</strong> P1.<br />

Distance générationnelle La distance générationnelle[61, 110] calcule la distance moyenne<br />

entre un front A donné et un front <strong>de</strong> référence R. Le front exact est souvent<br />

utilisé comme front <strong>de</strong> référence lorsque celui-ci est disponible. Cette distance<br />

générationnelle est calculée comme suit :<br />

IGD(A, R)= (quœA<br />

(minvœR d(u, v))) 1<br />

2<br />

|R|<br />

(3.5)<br />

où d(u, v) est la distance euclidienne entre la solution u et v dans l’espace d’objectif.<br />

‘-Indicateur Cet indicateur est également basé sur la distance. Il se mesure donc par<br />

rapport <strong>à</strong> un front <strong>de</strong> référence R. L’‘-Indicateur correspond au facteur minimum<br />

par lequel un front A doit être translaté pour faiblement dominer un front <strong>de</strong><br />

référence R. Il est calculé comme suit :<br />

I‘(A, R)=min‘œR{’v œ R ÷u œ A : ui ≠ ‘ Æ vi ’i œ {1,...,p}} (3.6)<br />

Indicateurs <strong>de</strong> diversités<br />

Propagation La propagation[110] mesure la distribution mais également la cardinalité<br />

d’un front approché. Il se calcule <strong>de</strong> la manière suivante :<br />

q<br />

uœA |{v œ A : d(u, v) > ‡}|<br />

IS =<br />

(3.7)<br />

|A| ≠ 1<br />

Plus la valeur <strong>de</strong> IS sera proche <strong>de</strong> 1 meilleur sera la dispersion <strong>de</strong>s solutions.

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!