Optimisation en sciences de l’ingénieur présente les méthodes d’optimisation utilisées dans les domaines de la programmation évolutionnaire, des problèmes à critère stochastique et de la décision assistée par ordinateur. Dans le cas des problèmes incertains ou mal définis, éventuellement soumis à des perturbations aléatoires ou pour lesquels la recherche de solution risque de tomber sur l’explosion combinatoire, les méthodes exactes s’avèrent le plus souvent inexploitables dans un temps raisonnable. Les algorithmes décrits dans ce volume permettent de résoudre les problèmes rapidement. Illustré d’exemples sur les méthodes proposées, cet ouvrage précise également les champs d’applications possibles des algorithmes concernés.
Avant-propos
Chapitre 1. Métaheuristiques – Méthodes locales
1.1. Contexte général
1.2. Principe de Monte-Carlo
1.3. Ascension de la montagne
1.4. Recherche Tabou
1.5. Recuit simulé
1.6. Tunneling
1.7. Méthode GRASP
Chapitre 2. Métaheuristiques – Méthodes globales
2.1. Principe des métaheuristiques évolutionnaires (à stratégie d’évolution)
2.2. Algorithmes génétiques
2.3. Ascension de la montagne par stratégies d’évolution
2.4. Optimisation par colonie de fourmis
2.5. Optimisation par essaims particulaires
2.6. Optimisation par recherche harmonique
Chapitre 3. Optimisation stochastique
3.1. Introduction
3.2. Problème d’optimisation stochastique
3.3. Calcul de la fonction de répartition pour une variable aléatoire
3.4. Critères statistiques d’optimalité
3.5. Exemples de calcul
3.6. Optimisation stochastique par la théorie des jeux
Chapitre 4. Problèmes multicritères
4.1. Introduction
4.2. Trois problèmes
4.3. Deux sous-classes de problèmes
4.4. Méthodes de résolution
4.5. Optimisation simultanée pour le contrôle et la conduite des systèmes
4.6. Notes et commentaires
Chapitre 5. Méthodes et outils pour l’aide à la décision
5.1. Introduction
5.2. Exemples introductifs
5.3. Décisions et activités de décision – Concepts de base
5.4. Analyse des décisions
5.5. Notes et commentaires
Chapitre 6. Simulations pour l’aide à la décision
6.1. Problème de décision en environnement incertain
6.2. Position du problème
6.3. Principe de la simulation
6.4. Etudes de cas
Annexe 1. Générer des nombres pseudo-aléatoires
à distribution uniforme
Annexe 2. Générer des nombres pseudo-aléatoires à distribution souhaitée
Liste des algorithmes
Editeur : Hermes Science
Publication : 23 mai 2014
Edition : 1ère édition
Intérieur : Couleur, Noir & blanc
Support(s) : eBook [PDF], Contenu téléchargeable [PDF], Text (eye-readable) [PDF + WEB]
Contenu(s) : PDF
Protection(s) : Marquage social (PDF)
Taille(s) : 4,8 Mo (PDF)
Langue(s) : Français
Code(s) CLIL : 3069, 3052
EAN13 eBook [PDF] : 9782746289277
EAN13 (papier) : 9782746239272