L’OPTIMISATION MULTI-OBJECTIF PAR LA MÉTHODE P.A.S.A

Abstract

Résoudre un problème d’optimisation consiste à trouver la ou les meilleures solutions vérifiant un ensemble des contraintes et objectifs définis par l’utilisateur. Il est nécessaire que le problème introduise un critère de comparaisons. Ainsi, la meilleure solution appelée aussi solution optimale, est la solution ayant obtenu la meilleure évaluation au regard un critère défini. Malheureusement, dans la plupart des problèmes du monde réel, il ne s’agit pas d’optimiser seulement un seul critère mais plutôt d’optimiser simultanément plusieurs critères et qui sont généralement conflictuels. L’optimisationmulti-objectif consiste donc à optimiser simultanément plusieurs fonctions. La notion de solution optimale unique dans l’optimisation uni-objectif disparait pour les problèmes d’optimisation multiobjectif au profit de la notion d’ensemble de solutions Pareto optimales. L’utilisation des méta-heuristiques pour résoudre des problèmes multi-objectifs a fait l’objet d’un intérêt de plus en plus croissant. A présent, les méta-heuristiques constituent un des champs de recherche les plus actifs dans l’optimisation multiobjectifs. La plupart des travaux existants concernent l’optimisation bi-objectif. Le cas multi-objectif reste difficile à résoudre, non seulement à cause de la complexité de ces problèmes, mais aussi à cause du nombre élevé des solutions Pareto optimales à un problème d’optimisation multi-objectif. Nous proposons, dans ce mémoire, de traiter les problèmes d’optimisation multi-objectif par la méthode P.A.S.A ( pareto archived simulated annealing ). Nous donnerons aussi plus en détail des définitions et principaux concepts de la méthode de recuit simulé et comment la méthode P.A.S.A utilise ce dernier pour résoudre un problème d’optimisation multi-objectif selon des étapes de ce méthode.