on September 8, 2015 at 3:00 pm
Les algorithmes évolutionnaires multi-objectifs (MOEA) sont largement utilisés dans la pratique pour résoudre des problèmes de conception et d’optimisation multi-objectifs. Historiquement, la plupart des applications des MOEA ont porté sur des problèmes à deux ou trois objectifs, ce qui a conduit au développement de plusieurs approches évolutionnaires qui fonctionnent avec succès dans ces espaces d’objectifs de faible dimension. Récemment, l’industrie s’est intéressée de plus en plus à la résolution de problèmes nécessitant l’optimisation simultanée de quatre objectifs ou plus, connus sous le nom de problèmes d’optimisation multi-objectifs. Cependant, les MOEA conventionnels s’adaptent mal au nombre d’objectifs du problème.
Le développement d’optimiseurs multi-objectifs robustes et évolutifs est un effort continu et une ligne de recherche prometteuse. Pour développer de tels algorithmes, il est essentiel de comprendre les caractéristiques fondamentales des paysages multi-objectifs et l’interaction entre la sélection, la variation et la taille de la population afin de soutenir de manière appropriée la recherche évolutive dans des espaces de haute dimension. Cet exposé présentera une introduction à l’optimisation évolutive multi-objectifs, en discutant de certaines caractéristiques des paysages multi-objectifs et en les reliant aux principes de fonctionnement, aux performances et au comportement des optimiseurs. Il présentera également une vue d’ensemble des approches de l’optimisation multi-objectifs, ainsi que leurs algorithmes et techniques de pointe. En outre, il illustrera l’utilisation de l’optimisation multi-objectifs pour des applications réelles.
Heure et lieu : Mardi 8 septembre à 15h00, Amphi Turing (M3)
français
English