Algorithmes évolutionnaires et résolution de problèmes de satifaction de contraintes en domaines finis

Evolutionary algorithms and solving constraint satisfaction problems in finite domains

• Auteur / Autrice : Blaise Madeline
• Direction : Bertrand Neveu
• Type : Thèse de doctorat
• Discipline(s) : Informatique
• Date : Soutenance en 2002
• Etablissement(s) : Nice
• Ecole(s) doctorale(s) : École doctorale Sciences et technologies de l'information et de la communication (Nice ; 1992-....)

Mots clés

Mots clés contrôlés

Contraintes (mécanique)

Algorithmes

Résumé

Cette thèse traite de l’utilisation des algorithmes évolutionnaires (AE) pour résoudre des problèmes de satisfaction de contrainte (CSP) en domaines finis dans spécialisation ni hybridation particulière. Après avoir présenté les CSP et les méthodes couramment utilisées pour les résoudre (chapitres 1 et 2), nous présentons le paradigme évolutionnaire et ses applications (chapitres 3 et 4). Ensuite, nous proposons une comparaison entre les méthodes de recherche arborescente et les métaheuristiques sur des coloriages de graphe sur-contraints, dans un contexte de réglage des paramètres minimal (chapitre 5). Nous étudions le paysage de recherche pour comprendre les raisons des différences d’efficacité des méthodes. Enfin, nous proposons de nouveaux opérateurs génétiques (croisement, mutation, diversification) dont le paramétrage est moins fastidieux qu’avec les opérateurs classiques (chapitre 6). Nous concluons sur l’intérêt d’exploration des réseaux de neutralité.

This thesis deals with the use of evolutionary algorithms (EA) to solve constraint satisfaction problems (CSP) in finite domains, without any particular specialization nor hybridization. Having presented the CSP and general methods used to solve those (chapters 1 and 2), we present the evolutionary paradigm and its applications (chapter 3 and 4). Then, we propose a comparison between the tree search methods and metaheuristics on over-constrained graph coloring in a context of minimal regulation of the parameters (chapter 5). We study the research landscape for understanding the reasons of the operators (crossover, mutation, diversification), the parameter setting of which is less difficult than with the classical operators (chapter 6). We conclude on the interest of investigating the neutrality networks.