- Page 1 and 2: AlgorithmesSous la direction de Pat
- Page 3 and 4: Métaheuristiques
- Page 5 and 6: Sous la direction de Patrick Siarry
- Page 7 and 8: Table des matièresIndex des auteur
- Page 9 and 10: Table des matières4.4.1 Phase cons
- Page 11 and 12: Table des matières7.6.1 Un exemple
- Page 13 and 14: Table des matières11.2.2 Pénalit
- Page 15: Table des matières14.6.1 Princip e
- Page 19 and 20: Avant-proposIntroductionLes ingéni
- Page 21 and 22: Avant -p ropos- l’optimisation mu
- Page 23 and 24: Avant -p roposde s ce nte e st pa r
- Page 25 and 26: Avant -p roposLes inconvénients du
- Page 27 and 28: Avant -p roposLa métho de de reche
- Page 29 and 30: Avant -p ropostraduction française
- Page 31 and 32: Avant -p roposPa rc e q u ’ i ls
- Page 33 and 34: Avant -p roposOptimisation multi -o
- Page 35 and 36: Avant -p roposMinimisationd’un co
- Page 37: Première partiePrésentation des p
- Page 40 and 41: Chapitre 1 - La métho de du recuit
- Page 42 and 43: Chapitre 1 - La métho de du recuit
- Page 44 and 45: Chapitre 1 - La métho de du recuit
- Page 46 and 47: Chapitre 1 - La métho de du recuit
- Page 48 and 49: Chapitre 1 - La métho de du recuit
- Page 50 and 51: Chapitre 1 - La métho de du recuit
- Page 52 and 53: Chapitre 1 - La métho de du recuit
- Page 54 and 55: Chapitre 1 - La métho de du recuit
- Page 56 and 57: Chapitre 1 - La métho de du recuit
- Page 58 and 59: Chapitre 1 - La métho de du recuit
- Page 60 and 61: Chapitre 1 - La métho de du recuit
- Page 62 and 63: Chapitre 1 - La métho de du recuit
- Page 64 and 65: Chapitre 1 - La métho de du recuit
- Page 66 and 67:
Chapitre 1 - La métho de du recuit
- Page 69 and 70:
Chapitre 2La recherche avec tabous
- Page 71 and 72:
2.2 Problème de l’affectation qu
- Page 73 and 74:
2.3 Reche rche avec tab ous de base
- Page 75 and 76:
2.3 Reche rche avec tab ous de base
- Page 77 and 78:
2.3 Reche rche avec tab ous de base
- Page 79 and 80:
2.3 Reche rche avec tab ous de base
- Page 81 and 82:
2.4 Mémoire à court termebl o q u
- Page 83 and 84:
2.4 Mémoire à court termevo is i
- Page 85 and 86:
2.4 Mémoire à court termech aq u
- Page 87 and 88:
2.4 Mémoire à court termece soit
- Page 89 and 90:
2.4 Mémoire à court termeItérati
- Page 91 and 92:
2.5 Direction de la rech erche à l
- Page 93 and 94:
2.6 Conv ergence de la rech erche a
- Page 95 and 96:
Chapitre 3La recherche à voisinage
- Page 97 and 98:
3.2 Fonc tionneme nt de l’algorit
- Page 99 and 100:
3.2 Fonc tionneme nt de l’algorit
- Page 101 and 102:
3.2 Fonc tionneme nt de l’algorit
- Page 103 and 104:
3.2 Fonc tionneme nt de l’algorit
- Page 105 and 106:
3.3 Illustration et exte nsionsNous
- Page 107 and 108:
3.3 Illustration et exte nsionsRemo
- Page 109 and 110:
3.3 Illustration et exte nsionsLe t
- Page 111 and 112:
3.3 Illustration et exte nsionsIté
- Page 113 and 114:
3.3 Illustration et exte nsionsalor
- Page 115 and 116:
3.4 ConclusionAl gorit hm e 3.13 Al
- Page 117 and 118:
Chapitre 4Une procédure de recherc
- Page 119 and 120:
4.3 Problèmes de couv erture minim
- Page 121 and 122:
4.4 Un premier algorithmeoù C (X)
- Page 123 and 124:
4.5 Banc d’essai4.5 Banc d’essa
- Page 125 and 126:
4.7 Reche rche lo cale tab ou[ Capr
- Page 127 and 128:
4.8 Exp ériment ations greedy (↵
- Page 129 and 130:
4.9 Exp ériment ations greedy ( 1
- Page 131:
4.11 Bibliographie comme ntéeco mp
- Page 134 and 135:
Chapitre 5 - Les algorithmes évolu
- Page 136 and 137:
Chapitre 5 - Les algorithmes évolu
- Page 138 and 139:
Chapitre 5 - Les algorithmes évolu
- Page 140 and 141:
Chapitre 5 - Les algorithmes évolu
- Page 142 and 143:
Chapitre 5 - Les algorithmes évolu
- Page 144 and 145:
10.80.60.40.20-2 -1.5 -1 -0.5 0 0.5
- Page 146 and 147:
Chapitre 5 - Les algorithmes évolu
- Page 148 and 149:
Chapitre 5 - Les algorithmes évolu
- Page 150 and 151:
Chapitre 5 - Les algorithmes évolu
- Page 152 and 153:
Chapitre 5 - Les algorithmes évolu
- Page 154 and 155:
Chapitre 5 - Les algorithmes évolu
- Page 156 and 157:
Chapitre 5 - Les algorithmes évolu
- Page 158 and 159:
Chapitre 5 - Les algorithmes évolu
- Page 160 and 161:
Chapitre 5 - Les algorithmes évolu
- Page 162 and 163:
Chapitre 5 - Les algorithmes évolu
- Page 164 and 165:
Chapitre 5 - Les algorithmes évolu
- Page 166 and 167:
Chapitre 5 - Les algorithmes évolu
- Page 168 and 169:
Chapitre 5 - Les algorithmes évolu
- Page 170 and 171:
Chapitre 5 - Les algorithmes évolu
- Page 172 and 173:
Chapitre 5 - Les algorithmes évolu
- Page 174 and 175:
Chapitre 5 - Les algorithmes évolu
- Page 176 and 177:
Chapitre 5 - Les algorithmes évolu
- Page 178 and 179:
Chapitre 5 - Les algorithmes évolu
- Page 180 and 181:
Chapitre 5 - Les algorithmes évolu
- Page 182 and 183:
Chapitre 5 - Les algorithmes évolu
- Page 184 and 185:
Chapitre 5 - Les algorithmes évolu
- Page 186 and 187:
Chapitre 5 - Les algorithmes évolu
- Page 188 and 189:
Chapitre 5 - Les algorithmes évolu
- Page 190 and 191:
Chapitre 5 - Les algorithmes évolu
- Page 193 and 194:
Chapitre 6Les fourmis artificielles
- Page 195 and 196:
6.2 L’intelligence collective des
- Page 197 and 198:
6.3 La mo délisation du comp ortem
- Page 199 and 200:
6.4 L’optimisation combinatoire a
- Page 201 and 202:
6.4 L’optimisation combinatoire a
- Page 203 and 204:
6.4 L’optimisation combinatoire a
- Page 205 and 206:
6.4 L’optimisation combinatoire a
- Page 207 and 208:
6.4 L’optimisation combinatoire a
- Page 209 and 210:
6.4 L’optimisation combinatoire a
- Page 211 and 212:
6.4 L’optimisation combinatoire a
- Page 213 and 214:
6.4 L’optimisation combinatoire a
- Page 215:
6.6 Bibliographie comme ntéeph é
- Page 218 and 219:
Chapitre 7 - Les essaims particulai
- Page 220 and 221:
Chapitre 7 - Les essaims particulai
- Page 222 and 223:
Chapitre 7 - Les essaims particulai
- Page 224 and 225:
Chapitre 7 - Les essaims particulai
- Page 226 and 227:
Chapitre 7 - Les essaims particulai
- Page 228 and 229:
Chapitre 7 - Les essaims particulai
- Page 230 and 231:
Chapitre 7 - Les essaims particulai
- Page 232 and 233:
Chapitre 7 - Les essaims particulai
- Page 234 and 235:
Chapitre 7 - Les essaims particulai
- Page 236 and 237:
Chapitre 7 - Les essaims particulai
- Page 238 and 239:
Chapitre 7 - Les essaims particulai
- Page 241:
Deuxième partieVariantes, extensio
- Page 244 and 245:
Chapitre 8 - Quelques autres métah
- Page 246 and 247:
Chapitre 8 - Quelques autres métah
- Page 248 and 249:
Chapitre 8 - Quelques autres métah
- Page 250 and 251:
Chapitre 8 - Quelques autres métah
- Page 252 and 253:
Chapitre 8 - Quelques autres métah
- Page 254 and 255:
,,,Chapitre 8 - Quelques autres mé
- Page 256 and 257:
Chapitre 8 - Quelques autres métah
- Page 258 and 259:
Chapitre 8 - Quelques autres métah
- Page 260 and 261:
Chapitre 8 - Quelques autres métah
- Page 262 and 263:
Chapitre 8 - Quelques autres métah
- Page 264 and 265:
Chapitre 8 - Quelques autres métah
- Page 266 and 267:
Chapitre 8 - Quelques autres métah
- Page 268 and 269:
Chapitre 8 - Quelques autres métah
- Page 271 and 272:
Chapitre 9Les autres algorithmesd
- Page 273 and 274:
9.1 Les abeilleséc lai reu se est
- Page 275 and 276:
9.1 Les ab eilles9.1.2.1 Choix des
- Page 277 and 278:
9.1 Les ab eillesAl gorit hm e 9.6
- Page 279 and 280:
9.2 À la rech erche de l’harmoni
- Page 281 and 282:
9.2 À la rech erche de l’harmoni
- Page 283 and 284:
9.3 L’écholo calisation des micr
- Page 285 and 286:
9.3 L’écholo calisation des micr
- Page 287 and 288:
9.4 La nature est source de b eauco
- Page 289:
9.6 Bibliographie comme ntéela nat
- Page 292 and 293:
Chapitre 10 - Optimisation multimo
- Page 294 and 295:
Chapitre 10 - Optimisation multimo
- Page 296 and 297:
Chapitre 10 - Optimisation multimo
- Page 298 and 299:
Chapitre 10 - Optimisation multimo
- Page 300 and 301:
Chapitre 10 - Optimisation multimo
- Page 302 and 303:
Chapitre 10 - Optimisation multimo
- Page 304 and 305:
Chapitre 10 - Optimisation multimo
- Page 306 and 307:
Chapitre 10 - Optimisation multimo
- Page 308 and 309:
Chapitre 10 - Optimisation multimo
- Page 310 and 311:
Chapitre 10 - Optimisation multimo
- Page 312 and 313:
Chapitre 10 - Optimisation multimo
- Page 314 and 315:
Chapitre 10 - Optimisation multimo
- Page 316 and 317:
Chapitre 10 - Optimisation multimo
- Page 318 and 319:
Chapitre 10 - Optimisation multimo
- Page 320 and 321:
Chapitre 10 - Optimisation multimo
- Page 322 and 323:
Chapitre 10 - Optimisation multimo
- Page 324 and 325:
Chapitre 10 - Optimisation multimo
- Page 326 and 327:
Chapitre 10 - Optimisation multimo
- Page 328 and 329:
Chapitre 10 - Optimisation multimo
- Page 331 and 332:
Chapitre 11Extensions des algorithm
- Page 333 and 334:
11.2 La p énalisation11.2 La péna
- Page 335 and 336:
11.2 La p énalisationAvec l ’a p
- Page 337 and 338:
11.2 La p énalisationoù ⌧ est l
- Page 339 and 340:
11.2 La p énalisationoù vj ( x)j
- Page 341 and 342:
11.2 La p énalisationoù mj=1 vj
- Page 343 and 344:
11.3 Sup ériorité des individus r
- Page 345 and 346:
11.4 Reche rche des solutions réal
- Page 347 and 348:
11.5 Prés ervation de la faisabili
- Page 349 and 350:
11.5 Prés ervation de la faisabili
- Page 351 and 352:
11.6 Métho des multi-objectifs11 .
- Page 353 and 354:
11.8 Conclusiontraitée par un algo
- Page 355 and 356:
Chapitre 12Techniques de modélisat
- Page 357 and 358:
12.2 Métho des de décomp ositionc
- Page 359 and 360:
12.2 Métho des de décomp ositionP
- Page 361 and 362:
12.2 Métho des de décomp ositionP
- Page 363 and 364:
12.3 Mo délisation du problèmeFig
- Page 365 and 366:
12.4 Gestion de p opulation et prog
- Page 367 and 368:
12.4 Gestion de p opulation et prog
- Page 369 and 370:
12.4 Gestion de p opulation et prog
- Page 371 and 372:
12.5 Comparaison d’heu ris tiques
- Page 373 and 374:
12.5 Comparaison d’heu ris tiques
- Page 375 and 376:
12.5 Comparaison d’heuristiquesth
- Page 377:
12.6 Conclusions12.6 ConclusionsNou
- Page 381 and 382:
Chapitre 13Techniques d’hybridati
- Page 383 and 384:
13.1 Les sys tèmes logistiquesFigu
- Page 385 and 386:
13.1 Les sys tèmes logistiquesFigu
- Page 387 and 388:
13.2 Les tec hniques hybrides13 .1
- Page 389 and 390:
13.2 Les tec hniques hybridesLes te
- Page 391 and 392:
13.2 Les tec hniques hybridesen il
- Page 393 and 394:
13.2 Les tec hniques hybridesIncer-
- Page 395 and 396:
13.3 Application p our le pilotage
- Page 397 and 398:
13.3 Application p our le pilotage
- Page 399 and 400:
13.3 Application p our le pilotage
- Page 401 and 402:
13.3 Application p our le pilotage
- Page 403 and 404:
13.3 Application p our le pilotage
- Page 405 and 406:
Chapitre 14Métaheuristiques pourle
- Page 407 and 408:
14.2 Les problèmes de tournées de
- Page 409 and 410:
14.3 Heur is tiques simples et rech
- Page 411 and 412:
14.3 Heur is tiques simples et rech
- Page 413 and 414:
14.3 Heur is tiques simples et rech
- Page 415 and 416:
14.3 Heur is tiques simples et rech
- Page 417 and 418:
14.4 Méta heuristique sf en êt re
- Page 419 and 420:
14.4 Méta heuristique sle VRPTW [
- Page 421 and 422:
14.5 Approche SplitGendreau et al.
- Page 423 and 424:
14.5 Approche Splitde t ou rné e s
- Page 425 and 426:
14.5 Approche SplitAl gorit hm e 14
- Page 427 and 428:
14.6 Exemple de métah euristique a
- Page 429 and 430:
14.7 ConclusionOn engendre ainsi un
- Page 431 and 432:
Chapitre 15Applications en gestiond
- Page 433 and 434:
15.2 Optimisation des routes aérie
- Page 435 and 436:
15.2 Optimisation des routes aérie
- Page 437 and 438:
15.2 Optimisation des routes aérie
- Page 439 and 440:
15.2 Optimisation des routes aérie
- Page 441 and 442:
15.2 Optimisation des routes aérie
- Page 443 and 444:
15.2 Optimisation des routes aérie
- Page 445 and 446:
15.3 Optimisation de l’espace aé
- Page 447 and 448:
15.3 Optimisation de l’espace aé
- Page 449 and 450:
15.3 Optimisation de l’espace aé
- Page 451 and 452:
15.3 Optimisation de l’espace aé
- Page 453 and 454:
15.3 Optimisation de l’espace aé
- Page 455 and 456:
15.3 Optimisation de l’espace aé
- Page 457 and 458:
15.3 Optimisation de l’espace aé
- Page 459 and 460:
15.5 Optimisation du trafic aérop
- Page 461 and 462:
15.5 Optimisation du trafic aérop
- Page 463 and 464:
15.5 Optimisation du trafic aérop
- Page 465 and 466:
15.5 Optimisation du trafic aérop
- Page 467 and 468:
15.6 Résolution de conflits aérie
- Page 469 and 470:
15.6 Résolution de conflits aérie
- Page 471 and 472:
15.6 Résolution de conflits aérie
- Page 473 and 474:
15.8 Bibliographie comme ntéeDans
- Page 475 and 476:
15.8 Bibliographie comme ntée[Gian
- Page 477:
15.8 Bibliographie comme ntée15 .8
- Page 480 and 481:
C on c lu si o nsi non qu elq ues d
- Page 482 and 483:
Méta heuristique s[Al-Sharhan et a
- Page 484 and 485:
Méta heuristique s[Beasley 83] Bea
- Page 486 and 487:
Méta heuristique s[Brandão 11] Br
- Page 488 and 489:
Méta heuristique s[Cicirello et al
- Page 490 and 491:
Méta heuristique s[Cramer 85] Cram
- Page 492 and 493:
Méta heuristique s[Deroussi et al.
- Page 494 and 495:
Méta heuristique s[Faigle et al. 9
- Page 496 and 497:
Méta heuristique s[Garcia-Na jera
- Page 498 and 499:
Méta heuristique s[Goldberg et al.
- Page 500 and 501:
Méta heuristique s[Hartl et al. 06
- Page 502 and 503:
Méta heuristique sM. Dorigo, M. Bi
- Page 504 and 505:
Méta heuristique s[Koza 94] Koz a
- Page 506 and 507:
Méta heuristique s[Li 07] Li, X. A
- Page 508 and 509:
Méta heuristique s[Mautor et al. 9
- Page 510 and 511:
Méta heuristique s[Monmarché et a
- Page 512 and 513:
Méta heuristique s[Or 76] Or, I. T
- Page 514 and 515:
Méta heuristique s[Popovi 12] ć e
- Page 516 and 517:
Méta heuristique s[Reyes-Sierra et
- Page 518 and 519:
Méta heuristique s[Schoenauer et a
- Page 520 and 521:
Méta heuristique s[Souriau ff et a
- Page 522 and 523:
Méta heuristique s[Teghem et al. 0
- Page 524 and 525:
Méta heuristique s[Wagner et al. 0
- Page 526 and 527:
Méta heuristique s[Yao et al. 96]Y
- Page 529 and 530:
Indexabeille, 253ACO , 1 8 3adaptat
- Page 531 and 532:
Indexhybrides (métho des), 15, 334
- Page 533 and 534:
Indexlocale, 56, 78, 80, 93, 97par