L’optimisation multiobjectif par La méthode de M.O.S.A

Abstract

En mathématique, l’optimisation consiste à chercher le minimum ou le maximum d’une seule ou plusieurs objectif, le nombre de ces objectifs permet de classer les problèmes d’optimisation en problème mono objectif ou multi-objectif. Dans ce mémoire nous nous intéressons à l’étudier les problèmes d’optimisation multi-objectif. Il existe deux classes de méthodes de résolution pour traiter les problèmes multiobjectif, tout comme pour l’optimisation mono objectif : Les méthodes exactes dédiées à la résoudre optimalement les problèmes de petites tailles et les méthodes approcher : les heuristique et en particulier les méthaheuristique permettant d’approximer les meilleurs solutions sur les grandes instances. Enfin, le choix de la méthode de résolution à mettre en oeuvre dépendra souvent de la complexité du problème. Les problèmes NP-difficiles qui ne possèdent pas, à ce jour, un algorithme général permettent de les résoudre en un temps polynomial limitent l’utilisation de méthodes exactes. alors l’impossibilité de résoudre exactement des problèmes NP-difficiles de grande taille et/ou des problèmes avec plus de deux objectifs impose l’utilisation des heuristiques et en particulier les méthaheuristique qui sont une famille de méthodes stochastique consiste à la résolution des problèmes d’optimisation. Et peuvent s’adapter à n’importe quel type de problème et donner de bons résultats. Nous traitons principalement dans ce mémoire, la résolution des problèmes d’optimisation multi-objectif par la méthode de M.O.S.A (Multiple objective simulated annealing).