II- L’algorithme du recuit simulé (pseudo-code)

Slides:



Advertisements
Présentations similaires
Mais vous comprenez qu’il s’agit d’une « tromperie ».
Advertisements

Comprendre les Mécanismes d’un Marché concurrentiel
La recherche de chemin optimal
La Méthode de Simplexe Standardisation
Calculs des activités dans une filiation radioactive _____________ Ch
Fabrice Lauri, François Charpillet, Daniel Szer
Connexité.
Distance inter-locuteur
Champs de Markov en Vision par Ordinateur
Les numéros 70 –
Les identités remarquables
Métaheuristiques pour l’optimisation combinatoire
Comparaison d'une distribution observée à une distribution théorique
CONFORMITE d’une distribution expérimentale à une distribution théorique Professeur Pascale FRIANT-MICHEL > Faculté de Pharmacie
A Pyramid Approach to Subpixel Registration Based on Intensity
LES TRIANGLES 1. Définitions 2. Constructions 3. Propriétés.
Identités remarquables : introduction Les 3 identités remarquables
Optimisation dans les télécommunications
Modélisation Bayésienne par chaines de Markov Monte Carlo
Révision (p. 130, texte) Nombres (1-100).
Optimisation globale non déterministe
Mr: Lamloum Med LES NOMBRES PREMIERS ET COMPOSÉS Mr: Lamloum Med.
CHAPITRE 10 Fonctions affines – Fonctions linéaires
Autres LOIS de PROBABILITES
Plus courts chemins On présente dans ce chapitre un problème typique de cheminement dans les graphes : la recherche d'un plus court chemin entre deux sommets.
Application des algorithmes génétiques
Le soccer & les turbans Sondage mené par lAssociation détudes canadiennes 14 juin 2013.
Optimisation linéaire
CHAPITRE 1 Arithmétique
Mai 2001FRANCOROIII - Challenge Recherche Locale Guidée Par Le Coût Des Contraintes Gavranovic Haris Univerzitet U Sarajevu IMAG, Grenoble.
III – Convergence Asymptotique
F Copyright © Oracle Corporation, Tous droits réservés. Créer des programmes avec Procedure Builder.
4. Algorithme de Recuit Simulé
Les chiffres & les nombres
Algorithme de Bellman-Ford
Représentation des systèmes dynamiques dans l’espace d’état
Courbes de Bézier.
OBJETS ÉLÉMENTAIRES DANS L’ESPACE À TROIS DIMENSIONS
Corrélation Principe fondamental d’une analyse de corrélation
Année universitaire Réalisé par: Dr. Aymen Ayari Cours Réseaux étendus LATRI 3 1.
Recherche Opérationnelle
Conception et analyse des algorithmes Les algorithmes probabilistes
Algorithmes probabilistes
1 La détection de gènes impliqués dans les maladies multifactorielles Marie-Pierre Etienne ENGREF Laboratoire GRESE Statistique et Génome.
Exercice 11-1.
Loutil statistique les mesures de tendance centrale Auto-évaluation.
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
AIP PRIMECA des Pays de La Loire – 9 novembre 2006
Les Nombres 0 – 100 en français.
La fonction inversement proportionnelle
Les Nombres! de 0 à 20.
Aire d’une figure par encadrement
MAGIE Réalisé par Mons. RITTER J-P Le 24 octobre 2004.
1/65 微距摄影 美丽的微距摄影 Encore une belle leçon de Macrophotographies venant du Soleil Levant Louis.
Equation différentielle de 2ème ordre
1 - Programme de Seconde (juin 2009) Statistique et probabilités
Certains droits réservés pour plus d’infos, cliquer sur l’icône.
LES COURSES SUR PISTE.
Comment construire un graphique ?
Quelques petits problèmes pour vous exercer
Suites numériques Définitions.
les méthodes de recherche locale
T8.1 Organisation du chapitre
Programmation dynamique
Calcul parallèle => partitionner les données en sous-groupes associés aux processeurs. P0 P2 P1.
Recherches locales et méta-heuristiques
Méthode des moindres carrés (1)
20/06/2015propagation de signatures lexicales dans le graphe du Web 1 Propagation de signatures lexicales dans le graphe du Web M. Bouklit M. Lafourcade.
Problème du Car Sequencing
Recuit simulé Une métaheuristique venue de la métallurgie.
Transcription de la présentation:

II- L’algorithme du recuit simulé (pseudo-code) i := i0 (* Solution initiale *) T := T0 (* Température initiale *) Tant que la condition d'arrêt n'est pas vérifiée Tant que la fin du pallier n'est pas atteinte Générer nouvelle solution j Δeij = e(j) - e(i) Si Δeij < 0 alors i := j Sinon i := j avec une proba de exp(-Δeij / T) Fin si Fin tant que Abaisser T Fin tant que

III – Convergence Asymptotique 1 – Chaînes de Markov 2 – Conditions de convergence

Chaînes de Markov Une variable aléatoire X est dite chaîne de Markov si : Une Chaîne de Markov est dite homogène si :

Conditions de convergence Chaque chaîne de Markov homogène est de longueur fini Les chaînes de Markov sont irréductibles et apériodiques Seules les configurations d’énergie minimale ont une probabilité d’existence non nulle quand T tend vers 0 -> Convergence vers des solutions optimales globales asymptotique

IV – Paramètres de l’algorithme 1 – Température initiale 2 – Modification de la température 3 – Cas d’arrêt

Valeur initiale de la température On fait 100 perturbations et on évalue la moyenne des variations d’énergie. On choisie un taux initiale d’acceptation selon la qualité supposé de la situation initiale. On déduit T0 de la relation de Metropolis T0 = -ΔE /ln τ0

Modification de la température paliers de température 12XN perturbations sont acceptées 100XN perturbations sont refusées Loi de décroissance Géométrique : Tk+1 = 0,9xTk Arithmétique : Tk+1 = Tk - 1

Condition d’arrêt le système devient figé => plus de permutations depuis 3 paliers le seuil fixé est atteint

V - Amélioration du recuit simulé 1 - Recuit simulé parallèle 2 - Recuit simulé distribué

Recuit simulé parallèle Plusieurs solutions sont possibles : Architecture « Fermier/Travailleurs » proposée par Baiardi et Orlando Architecture « Une-chaîne » proposée par Aarts Architecture « Chaînes-Parallèles » proposée par Aarts

Architecture « Fermier/Travailleurs » Processeur travailleur Génération de configurations voisines par le processeur Fermer

Architecture « Fermier/Travailleurs » Processeur travailleur Un processeur détecte une configuration acceptable il en informe le processeur fermier. Le processeur fermier effectue la mise à jour globale du système.

Recuit simulé distribué Subdiviser l’espace de recherche en sous-espaces Dégager des tâches ou des rôles bien déterminés

VI - Applications 1 - Voyageur de commerce 2 - Autres applications

Problème du voyageur de commerce Il faut définir : L’état initial La fonction de coût L’évolution de T° Une modification élémentaire. X 3 0,8 2,5 1,5 1,6 2,2 0,3 Y 1 1,8 2,3 0,9 0,4

Problème du voyageur de commerce Etat initial aléatoire - Coût initiale : 33,1 X 3 0,8 2,5 1,5 1,6 2,2 0,3 Y 1 1,8 2,3 0,9 0,4 Chainage des sommets

Problème du voyageur de commerce 1ère étape On sélectionne une transformation. On calcule le coût associé C = 25,5 Comme le nouveau coût est plus petit, on applique la transformation. X 3 0,8 2,5 1,5 1,6 2,2 0,3 Y 1 1,8 2,3 0,9 0,4 X 3 0,3 0,8 2,5 1,5 1,6 2,2 Y 0,4 1 1,8 2,3 0,9

Problème du voyageur de commerce Nouvel état obtenue - Coût à l’étape 1 : 25,5 X 3 0,3 0,8 2,5 1,5 1,6 2,2 Y 0,4 1 1,8 2,3 0,9

Problème du voyageur de commerce 2ème étape On sélectionne une autre transformation. On calcule le coût associé C = 21,42 Comme le nouveau coût est plus petit, on applique la transformation. X 3 0,3 0,8 2,5 1,5 1,6 2,2 Y 0,4 1 1,8 2,3 0,9 X 3 0,3 0,8 1,5 1,6 2,5 2,2 Y 0,4 1 2,3 1,8 0,9

Problème du voyageur de commerce Nouvel état obtenue - Coût à l’étape 2 : 21,42 X 3 0,3 0,8 1,5 1,6 2,5 2,2 Y 0,4 1 2,3 1,8 0,9

Problème du voyageur de commerce 3ème étape On sélectionne une autre transformation. On calcule le coût associé C = 21,96 Le nouveau coût est plus grand. On applique la transformation avec une certaine P(T°,E) X 3 0,3 0,8 1,5 1,6 2,5 2,2 Y 0,4 1 2,3 1,8 0,9 X 3 0,3 0,8 1,6 1,5 2,5 2,2 Y 0,4 1 2,3 1,8 0,9

Problème du voyageur de commerce Nouvel état obtenue - Coût à l’étape 3 : 21,96 X 3 0,3 0,8 1,6 1,5 2,5 2,2 Y 0,4 1 2,3 1,8 0,9

Problème du voyageur de commerce 4ème étape On sélectionne une autre transformation. On calcule le coût associé C = 18,62 Comme le nouveau coût est plus petit, on applique la transformation. X 3 0,3 0,8 1,6 1,5 2,5 2,2 Y 0,4 1 2,3 1,8 0,9 X 3 0,3 0,8 1,6 1,5 2,5 2,2 Y 0,4 1 1,8 2,3 0,9

Problème du voyageur de commerce Nouvel état obtenue - Coût à l’étape 4 : 18,62 X 3 0,3 0,8 1,6 1,5 2,5 2,2 Y 0,4 1 1,8 2,3 0,9

Problème du voyageur de commerce (2)

Problème du voyageur de commerce (2)

Autres applications Placement des composants sur une carte électronique K-partitionnement de graphes Truc Bidule Construction d’images