hybridation d’une méthode glouton et d’une recherche locale
Post on 10-Jan-2016
44 Views
Preview:
DESCRIPTION
TRANSCRIPT
Hybridation d’une Méthode Glouton et d’une Recherche Locale
Weinberg BenjaminWeinberg Benjamin
Laboratoire d’InformatiqueLaboratoire d’Informatique
Fondamental de Lille, FranceFondamental de Lille, France
Motivation
Appréhender la difficulté effective du problèmeAppréhender la difficulté effective du problème Apprendre les spécificités du problème:Apprendre les spécificités du problème:
Ce qui fait que certaines heuristiques marchent mieux Voir les méthodes qui donnent une solution dans Voir les méthodes qui donnent une solution dans
un temps raisonnableun temps raisonnable AG, RS convergent vers une solution optimale (random
le fait aussi) Quelle heuristique pour un problème nouveauQuelle heuristique pour un problème nouveau
Adaptation du problème
Fonction objectiveFonction objective h1: nombre de contraintes violées (CI & CEM) h2: la distance moyenne entre la différence entre
les fréquences de trajets contraints et la contrainte de séparation
Minimiser h1, en cas de «litige» maximiser h2. StratégieStratégie
k := 11; on cherche une affectation C tq h1(C) = 0 Puis on recommence avec k := k-1
Codage
f1,p1f2,p2 fi,pi fn,pn… … trajets
1 1 0 1… … affectés
0 45 63 195… …Permutation: trajets regroupés par liens
0 2 46 200… …Indice des «débuts» des liens
0 1 5 1… … Nb violations
Méthode ADSD
Origine de la méthodeOrigine de la méthode une recherche locale voisinage: changement de valeur à un lien.
Modifier toutes les valeurs en une seule Modifier toutes les valeurs en une seule passe!passe! => voisinage = totalité de l’espace de
recherche?? Désallocation de variables pour se déplacer Désallocation de variables pour se déplacer
plus efficacementplus efficacement
ADGR
Parcours d’une partie du voisinageParcours d’une partie du voisinage Pour chaque lien cherche la meilleure valeur Parcours aléatoire des liens Choix de la valeur locale à la variable Mettre à jour la note de la conf. + les tableaux
«affecté» et «nb violations» Maintien des contraintesMaintien des contraintes
de domaines d’égalité de fréquences
AD
Désallocation de certaines variablesDésallocation de certaines variables Politique choisie:Politique choisie:
Les liens dont au moins un trajet viole des contraintes
Nécessité du tableau des contraintes violéesNécessité du tableau des contraintes violées Mise à jour de ce tableau à moindre coup pendant
une évaluation
ADSD (algo)
TQ critère non atteint FAIRETQ critère non atteint FAIRE SI SI ADGRADGR améliore suffisamment conf. améliore suffisamment conf.
ALORSALORS SI conf. est meilleur ALORSSI conf. est meilleur ALORS mémoriser conf.mémoriser conf. FSI.FSI. SINONSINON ADAD (conf.) (conf.) FSIFSI FAITFAIT
Expérimentation (I)
Code en C ANSICode en C ANSI Run sur des PC linux 933MhzRun sur des PC linux 933Mhz Option d’optimisation -O3Option d’optimisation -O3
Paramètres:Paramètres: Pente minimale: 0.05 Nb itérations de pente faible avant ouverture: 1 Nb Itérations séparant le changement d’ordre des
liens: 5
Expérimentation (II)
7766fapp0fapp099
11111111
fapp0fapp088
10101100
fapp0fapp077
771100
fapp0fapp066
11111111
fapp0fapp055
6666fapp0fapp044
8888fapp0fapp033
5544fapp0fapp022
5544fapp0fapp011
11111100
fapp1fapp100
5566test03test037777test02test024444test01test01111111
11fapp1fapp155
11111111
fapp1fapp144
11111111
fapp1fapp133
11111111
fapp1fapp122
11111111
fapp1fapp111
991111
test04test04
--1111
fapp2fapp233
--1111
fapp2fapp222
--1111
fapp2fapp211
--1100
fapp2fapp200
--1111
fapp1fapp199
--1111
fapp1fapp188
--44fapp1fapp177
--1111
fapp1fapp166
Conclusion & Perspectives
Base A plus facile que la Base BBase A plus facile que la Base B Peu RobustePeu Robuste De bon résultats sur Base ADe bon résultats sur Base A
Modifier h2Modifier h2 Appliquer des mécanismes + sophistiqués Appliquer des mécanismes + sophistiqués
qu’une simple désallocationqu’une simple désallocation Utiliser un algorithme à population (AG hybride)Utiliser un algorithme à population (AG hybride)
top related