Initiation à l'optimisation : métaheuristiques - Problèmes à variables continues

Les métaheuristiques sont parmi les méthodes d'optimisation les plus faciles à mettre en œuvre pour trouver la solution à des problèmes difficiles voire impossibles à résoudre directement, en s'inspirant de phénomènes issus de la nature et des sciences . Douze méthodes avec variantes sont présentées et les codes en Matlab/GNU octave sont donnés : GA (génétique), DE (évolution différentielle), BBO (biogéographie), RS (recuit simulé), GSO (Gravitationnel), CRO (réaction chimique), PSO (essaim de particules), LUC (lucioles), ABC (colonies d'abeilles artificielles), GWO (loup gris), ACO (colonies de fourmis), BSO (brainstorming). Elles sont caractérisées, comparées et les outils fournis permettent de les combiner, les modifier ad libitum afin de les adapter à des problèmes réels .   Des applications à la thermique, l'électronique, l'agriculture, la mécanique permettent d'étendre leur domaine d'application à la résolution de problème inverse, à l'ajustement de modèle à des résultats expérimentaux et à la propagation d'incertitudes.

Dominique Barchiesi est professeur à l'Université de technologie de Troyes et effectue des recherches en modélisation multiphysique, traitement du signal et optimisation. Sameh Kessentini est enseignante-chercheuse à l'Université de Sfax (Tunisie) et effectue des recherches en modélisation, optimisation et statistique.