Les algorithmes d'optimisation les plus utilisés
min f(x) ==> problème d’optimisation (PO)
Problème discret → nombre exponentiel de combinaisons à explorer
Problème continu → minima locaux, aucune caractérisation du minimum global
•On ne peut pas trouver la solution exacte en un temps de calcul raisonnable.
Il faut se satisfaire d’une solution approchée « suffisamment bonne ».
•Une métaheuristique est une méthode de résolution approchée mimant un processus physique.
Recuit simulé → thermodynamique
Algorithme évolutionnaire → sélection naturelle
Essaim particulaire → mouvement collectif d’essaims
Colonie de fourmis → mouvement organisé de fourmis
•Heuristique = méthode empirique spécialisée à un problème particulier
Métaheuristique = principe général applicable à différents problèmes
→ nécessite un travail d’adaptation pour chaque problème