Dans ce travail de thèse, nous présentons les travaux s'inspirant des fourmis réelles pour la résolution de problèmes en informatique. Nous proposons deux approches supplémentaires de ces nouvelles inspirations biomimétiques. La première reprend certains travaux en classification non supervisée et étend ces principes dans plusieurs directions. L'algorithme AntClass développé à cette occasion, est hybride dans le sens où la recherche du nombre de classes est effectué par des fourmis artificielles et qu'un algorithme classique en classification, les centres mobiles, est utilisé pour gommer les erreurs de classification inhérentes à une méthode stochastique telle que les fourmis artificielles. Après avoir souligné les ressemblances et différences entre les approches évolutionnaires et celles à base de population de fourmis et proposé un modèle commun, nous nous inspirons de la stratégie de recherche de nourriture d'une espèce de fourmis (Pachycondyla apicalis) pour résoudre des problèmes d'optimisation globale. L'apport de cette adaptation réside principalement dans sa simplicité. Nous appliquons l'algorithme qui en découle, appelé API, à des problèmes variés tels que l'optimisation de fonctions numériques, l'apprentissage de chaînes de Markov cachées ou des poids d'un réseau de neurones artificiels, ou encore à un problème d'optimisation combinatoire classique : le problème du voyageur de commerce.
| Identifer | oai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00005186 |
| Date | 20 December 2000 |
| Creators | Monmarché, Nicolas |
| Publisher | Université François Rabelais - Tours |
| Source Sets | CCSD theses-EN-ligne, France |
| Language | French |
| Detected Language | French |
| Type | PhD thesis |
Page generated in 0.0019 seconds