Hybridation dune Méthode Glouton et dune Recherche Locale Weinberg Benjamin Laboratoire dInformatique Fondamental de Lille, France.

Présentation au sujet: "Hybridation dune Méthode Glouton et dune Recherche Locale Weinberg Benjamin Laboratoire dInformatique Fondamental de Lille, France."— Transcription de la présentation:

1 Hybridation dune Méthode Glouton et dune Recherche Locale Weinberg Benjamin Laboratoire dInformatique Fondamental de Lille, France

2 Motivation Appréhender la difficulté effective du problème Appréhender 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 un temps raisonnable Voir les méthodes qui donnent une solution dans un temps raisonnable AG, RS convergent vers une solution optimale (random le fait aussi) Quelle heuristique pour un problème nouveau Quelle heuristique pour un problème nouveau

3 Adaptation du problème Fonction objective Fonction 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. Stratégie Stratégie k := 11; on cherche une affectation C tq h1(C) = 0 Puis on recommence avec k := k-1

4 Codage f 1,p 1 f 2,p 2 f i,p i f n,p n …… trajets 1101 …… affectés 04563195 …… Permutation: trajets regroupés par liens 0246200 …… Indice des «débuts» des liens 0151 …… Nb violations

5 Méthode ADSD Origine de la méthode Origine de la méthode une recherche locale voisinage: changement de valeur à un lien. Modifier toutes les valeurs en une seule passe! Modifier toutes les valeurs en une seule passe! => voisinage = totalité de lespace de recherche?? Désallocation de variables pour se déplacer plus efficacement Désallocation de variables pour se déplacer plus efficacement

6 ADGR Parcours dune partie du voisinage Parcours dune 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 contraintes Maintien des contraintes de domaines dégalité de fréquences

7 AD Désallocation de certaines variables Désallocation de certaines variables Politique choisie: Politique choisie: Les liens dont au moins un trajet viole des contraintes Nécessité du tableau des contraintes violées Nécessité du tableau des contraintes violées Mise à jour de ce tableau à moindre coup pendant une évaluation

8 ADSD (algo) TQ critère non atteint FAIRE TQ critère non atteint FAIRE SI ADGR améliore suffisamment conf. ALORS SI ADGR améliore suffisamment conf. ALORS SI conf. est meilleur ALORS SI conf. est meilleur ALORS mémoriser conf. mémoriser conf. FSI. FSI. SINON SINON AD (conf.) AD (conf.) FSI FSI FAIT FAIT

9 Expérimentation (I) Code en C ANSI Code en C ANSI Run sur des PC linux 933Mhz Run sur des PC linux 933Mhz Option doptimisation -O3 Option doptimisation -O3 Paramètres: Paramètres: Pente minimale: 0.05 Nb itérations de pente faible avant ouverture: 1 Nb Itérations séparant le changement dordre des liens: 5

10 Expérimentation (II) 76fapp09 1111fapp08 1010fapp07 710fapp06 1111fapp05 66fapp04 88fapp03 54fapp0254fapp011110fapp1056test03 77test02 44test01 1111fapp15 1111fapp14 1111fapp13 1111fapp12 1111fapp11911test04-11fapp23 -11fapp22 -11fapp21 -10fapp20 -11fapp19 -11fapp18 -4fapp17 -11fapp16

11 Conclusion & Perspectives Base A plus facile que la Base B Base A plus facile que la Base B Peu Robuste Peu Robuste De bon résultats sur Base A De bon résultats sur Base A Modifier h2 Modifier h2 Appliquer des mécanismes + sophistiqués quune simple désallocation Appliquer des mécanismes + sophistiqués quune simple désallocation Utiliser un algorithme à population (AG hybride) Utiliser un algorithme à population (AG hybride)