Métaheuristiques Recuit simulé, recherche avec tabous, recherche à voisinages variables, méthode GRASP (2014)

Avant -p ropos
Minimisation
d’un cout ^
Identification Caractérisation Problème
inverse
Optimisation
Combinatoire
Continue
optimisation difficile
Méthode
EXACTE
(spécialisée)
Méthode
APPROCHÉE
NON LINÉAIRE
et souvent non connue
analytiquement
LINÉAIRE
Programmation
linéaire
Méthode
GLOBALE
Méthode
LOCALE
HEURISTIQUE
spécialisée
MÉTAHEURISTIQUE
CLASSIQUE
(souvent avec gradients)
AVEC
GRADIENTS
SANS
GRADIENTS
de VOISINAGE
DISTRIBUÉE
Méthode
HYBRIDE
SIMPLE
COMPLEXE
Figure 11 – Classification générale des métho des d’optimisation mono-o bjectif.
Un sujet ouvert : le choix d’une métaheuristique
Cette présentation ne doit pas éluder la principale difficulté à laquelle est confronté
l’ingénieur, en présence d’un problème d’optimisation concret : celui du choix d’une
métho de “efficace”, capable de pro duire une solution “optimale” — ou de qualité
acceptable — au prix d’un temps de calcul “raisonnable”. Face à ce souci pragmatique
de l ’u ti li sa te ur , la t hé or ie n’ e st pa s e nc or e d’ un g ra nd s ec ou rs , c ar l es t hé or èm es
de c on ve rg en ce s on t s ou ve nt i ne xi st an ts , ou a ppl i ca bl es s ou s de s hy po t hè se s t rè s
restrictives. En outre, le réglage “optimal” des divers paramètres d’une métaheuristique,
qui p eut être préconisé par la th é orie, est souvent inapplicable en pratique, car il
induit un coût de calcul prohibitif. En conséquence, le choix d’une “b onne” métho de,
et le ré gla ge des pa ramè tre s de ce lle -c i, font gé nér ale ment app el au savoi r-f aire et à
- 17 -