Recherche coopérative d'optimum global - Intelligence Collective et Interaction Accéder directement au contenu
Communication Dans Un Congrès Année : 2022

Recherche coopérative d'optimum global

Résumé

This paper proposes a new cooperation-based metaheuristic for searching global optima of optimization functions. It relies on a local search process coupled with a cooperative semi-local search process. Its performances are compared against four other metaheuristics on unconstrained monoobjective optimization problems. Results show that the proposed metaheuristic is able to find the global minimum of the tested functions faster than the compared methods while reducing the number of iterations and the number of calls of the objective function.
Dans cet article nous proposons une nouvelle métaheuristique basée sur la coopération pour chercher l'optimum global de fonctions à optimiser. Elle repose sur deux processus de recherche locale et semi-locale coopérative. Ses performances sont comparées à quatre autres métaheuristiques sur des problèmes d'optimisation mono-objectif sans contraintes. Les résultats montrent que l'approche proposée est capable de trouver le minimum global des fonctions testées plus rapidement que les méthodes comparées, tout en nécessitant un nombre d'itérations et d'appels à la fonction objectif plus faibles.
Fichier principal
Vignette du fichier
RJCIA22_paper10.pdf (326.2 Ko) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-03765420 , version 1 (31-08-2022)

Identifiants

  • HAL Id : hal-03765420 , version 1

Citer

Damien Vergnet, Elsy Kaddoum, Nicolas Verstaevel, Frédéric Amblard. Recherche coopérative d'optimum global. 20èmes Rencontres des Jeunes Chercheurs en Intelligence Artificielle (RJCIA 2022), Jun 2022, Saint-Etienne, France. pp.92-98. ⟨hal-03765420⟩
72 Consultations
111 Téléchargements

Partager

Gmail Facebook X LinkedIn More