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
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.