Академический Документы
Профессиональный Документы
Культура Документы
Ralis par :
ABIDI Oussama
BEN BRAHIM Ali
Classe :
3AGI3
Sommaire :
Chapitre 1 : Revue de littrature.......................................................5
1.1. Problme de voyageur de commerce :.........................................................6
1.1.1. Dfinition du problme :........................................................................6
1.1.2. Formulation par un programme linaire binaire :...................................6
1.1.2.1. Formulation 1................................................................................... 6
1.1.2.2. Formulation 2:.................................................................................. 7
1.1.3. Applications :......................................................................................... 7
1.1.4. Caractristique :..................................................................................... 8
1.1.5. Rsolution :............................................................................................ 8
1.1.6. Exemples :............................................................................................. 8
1.1.7. Recherche dune solution approche :...................................................9
1.2. Le recuit simul :........................................................................................ 10
1.2.1. Historique :.......................................................................................... 10
1.2.2. Dfinition :........................................................................................... 10
1.2.3. Principes du recuit simul :..................................................................10
1.2.4. Analogie entre recuit thermique et recuit simul :...............................13
1.2.5. Lalgorithme du recuit simul :............................................................13
1.2.6. Etat initial de lalgorithme :..................................................................13
1.2.7. Paramtre de temprature:..................................................................14
1.2.8. Application du recuit simul au problme de voyageur de commerce :
....................................................................................................................... 14
1.2.9. Avantages et inconvnients:................................................................16
Dfinition du problme :
Le nom du problme du voyageur de commerce vient de la situation fictive dun vendeur qui
dsire visiter un certain nombre de villes, dbutant et finissant son parcours dans la mme
ville en visitant chacune des autres villes une et une seule fois..
A lchelle dun pays comme les tats-Unis, le cot en argent et en temps dun tel voyage
peut devenir prohibitif si lon ne prvoit pas un trajet optimal lavance. Donc le dfi du
problme est que le voyageur de commerce veut minimiser la dure totale du voyage.
1.1.2. Formulation
1.1.2.1. Formulation 1
Variables de dcision :
xij = 1 si le client j est visit immdiatement aprs le client i
= 0 sinon.
Fonction objectif :
La fonction objective consiste minimiser distance parcourue par le voyageur.
n
d ijxij
Min
i=1 j=1
Sc
n
ij
=1
ij
=1
i=1 et i j
j=1..n
(1)
i=1..n
(2)
j=1 et i j
j S et i S
ij
xij = 1 ou 0
|S|-1
S N tq 2 |S| N|-2
(3)
(4)
(1) Et (2) : traduit le faite que le voyageur de commerce doit passer par toutes les villes et une
seule fois.
(3) : oblige de ne pas avoir deux cycles ou plus qui ne sont pas li
(4) : contraintes dintgrits
1.1.2.2. Formulation 2:
Variables de dcision :
xij
d ijxij
i=1 j=1
Min
Sc
n
i=1 eti j
=1
j=1..n
=1
i=1..n
ij
(1)
j=1 et i j
ij
u1=1; 2 ui n
ui-uj-n*xij (n-1)
i=2.. n
(3)
xij = 1 ou 0
(2)
i,j =1..n
i=1..n
(4)
(1) et (2) : traduit le faite que le voyageur de commerce doit passer par toutes les villes et une
seule fois.
(3) : oblige de ne pas avoir deux cycles ou plus qui ne sont pas li.
(4) : contraintes dintgrits.
1.1.3. Applications
Le problme de voyageur de commerce sapplique dans diffrent domaine tel que routage
autour des villes, Cblage informatique qui consiste relier les composantes informatiques en
minimisant lutilisation du fil de cblage, ordonnancement des taches afin de minimiser le
temps entre les taches.
1.1.4. Caractristique
Le nombre de chemins ou de cycles possibles dans notre problme est en (N-1)!/2 avec N le
nombre de villes, donc ce problme fait partie dune famille de problmes trop complexes
appel NP difficile pour quune solution soit recherche de faon systmatique parmi toutes
les solutions possibles [1].
Nombre de ville
5
20
30
1.1.5.
Nombre de possibilit
120
1018
1032
Rsolution :
La premire ide qui vient lesprit lorsque lon veut rsoudre le problme de voyageur de
commerce est certainement celle de la recherche exhaustive. Le principe en est trs simple,
mais au prix dune complexit en temps trs leve : il consiste dterminer toutes les
solutions, en valuer la valeur, puis slectionner la meilleure de ces solutions. Dans notre
contexte, cela se traduit par la recherche de tous les cycles hamiltoniens.
Or il y a (N-1)!/2 visites possibles, sachant que lvaluation dun tour ncessite un temps de
O(n), nous obtenons une complexit totale en temps de O (n!) [2]
1.1.6. Exemples
Nombre de ville
5
Nombre de possibilit
120
Temps dexcution
0,12 10-12
20
1018
40 min
30
1032
1010 ans
12 576 000 000 000 000 000 solutions par seconde (1,25. 10 19) Pour tre certain de trouver la
tourne la plus courte, il faut considrer toutes les tournes possibles. Il nous faudra alors
4,766.1043 secondes avec le super ordinateur que l'on vient de prsenter [3].
Note : 4,766.1042 est l'quivalent de 1,51.1034 sicle
Remarque :
La rsolution exacte dun tel problme avec n villes exige de vrifier (n-1)! Visites, ce qui
ncessite un grand temps et de matriels informatique de capacit norme mme pour les
petites instances ce qui parait inutile pour la plupart des problmes, donc lide est de faire
recours des rsolutions approches qui peuvent servir pour quelque problme.
1.1.7. Recherche
Pour palier ces problmes, les chercheurs ont introduit des mthodes approches appeles
heuristiques, elles prsentent l'avantage d'un temps de calcul rduit mais ne donnent aucune
information sur la qualit de la solution trouve, de plus elles ne sont en gnral applicables
qu'a un seul type de problmes. (Autin, 2006) Par exemple la mthode de la descente consiste
partir dune solution S choisir une solution S dans un voisinage de S, telle que S
amliore la solution. La recherche sarrte donc au premier minimum (ou maximum) local
rencontr, cest l son principal dfaut. Pour amliorer les rsultats, on peut relancer plusieurs
fois lalgorithme mais la performance de cette technique dcrot rapidement. Ce qui a pouss
les chercheurs proposer de nouvelles mthodes gnrales (applicables la plupart des
problmes d'optimisation) appeles mta-heuristiques, dont la mthode du recuit simul ;
conu pour rechercher un optimum global parmi plusieurs minimas (ou maximas) locaux [4].
La mthode de recuit simul tait ralise par Metropolis et al. (1953) pour simuler l'volution
de ce processus de recuit physique (Metropolis53).
Elle a t mise au point par trois chercheurs de la socit IBM,. Kirkpatrick, C.D. Gelatt et
M.P. Vecchi en 1983 aux Etats-Unis, et indpendamment par V. erny en 1985 en Slovaquie.
Son utilisation pour la rsolution des problmes d'optimisation combinatoire est beaucoup
plus rcente. Ainsi, le recuit simul est la premire mtaheuristique qui a t propose pour ce
genre de problme.
1.2.2. Dfinition
du recuit simul :
1.2.4. Analogie
Recuit thermique
Les tats du solide
Les nergies des tats
Ltat nergie minimale
Le refroidissement rapide
1.2.5.
Recuit simul
Les solutions ralisables
Les valeurs de la fonction objective calcules
sur ces solutions
Solution optimale du problme
Recherche locale
initial de lalgorithme :
La solution initiale peut tre prise au hasard dans l'espace des solutions possibles. cette
solution correspond une nergie initiale E=E0. Cette nergie est calcule en fonction du
critre que l'on cherche optimiser. Une temprature initiale T=T0 leve est galement
choisie.
1.2.7. Paramtre
de temprature:
Si T est grand, les dgradations sont acceptes avec une probabilit plus
grande.
1.2.8. Application
La mthode du Recuit Simul a permis de rsoudre des problmes trs complexes du type
voyageur de commerce o les mthodes dterministes sont rapidement piges dans des
minimums locaux. Le but est alors de trouver le circuit Hamiltonien de cot minimal dans un
graphe. Lnergie reprsentera la distance totale parcourir, et un tat du systme reprsentera
le chemin entre les villes.
Lalgorithme va donc tenter de minimiser la longueur totale du chemin, en modifiant lordre
des villes parcourir.
Soit le graphe suivant reprsentant un ensemble de villes:
Figure 3 : Un ensemble de villes (nuds) relis entre eux par des routes (arcs)
Figure 5: Le rsultat obtenu : on a dlac un sommet vers son plus proche voisin.
et inconvnients:
Les avantages:
Facile implmenter.
Elle est prte aussi loptimisation combinatoire que continue.
Elle donne des excellents rsultats pour des problmes de grande taille.
La thorie dmontre que la mthode converge presque srement (i.e. avec une
probabilit 1) vers un minimum global si la temprature ne dcrot pas plus vite
que C/log(t), o Cest une constante dpendant de la profondeur des puis
dnergie .
2. Chapitre 2 : Algorithme et
Implmentation
2.1. Introduction :
Dans ce chapitre nous allons expliquer lalgorithme et le code avec lequel on a fait la rsolution
initiale : INITIAL ( )
Pour les algorithmes de gnration de la solution initiale nous avons choisi lalgorithme de
glouton. En fait, cet algorithme est utilis pour avoir une bonne solution initiale ds le dbut.
Lalgorithme est dcrit comme suit :
On choisit une premire ville au hasard et on construit un chemin en allant vers la ville la plus
proche nappartenant pas dj au chemin.
E= {1,2,10}
S(10) = vide
r= rand(1,10)
S(1) = r
E=E/{r}
Pour i=1 10 faire
J= le plus proche de S (i-1) dans E
S(i)=j
E=E/ {j}
Fin pour
Retourner S
2.2.2. Voisinage
VOISIN ( ) :
La notion de voisinage est relativement simple. On dsigne par voisinage dune solution
donne lensemble des solutions du problme TSP obtenues partir dune lgre perturbation
lmentaire dune solution. Nous allons adopter dans notre mthodologie de rsolution
linversion entre deux villes (ou sommets ) exemple si la solution S=[x,y,z,t,w] le voisin
peut tre S=[w,y,z,t,x] permutation entre w et x.
k1 := rand(1,10)
k2 :=rand(1,10)
avec (k1< >k2)
s(x) = {x avec permutation de x(k1) et x(k2) }
2.2.3. Algorithme
principale MAIN_RECUIT ( ):
if f 0 then x=s(x)
else
tirer p dans [0,1] ;
if p e(- f/T) then x=s(x)
if f(x*) > f(x) then x*=x
T :=T*Alpha
Retourner x*, f(x*)
f (x): reprsente la distance totale dun cycle donnes x.
Les diffrents paramtres que nous allons choisir pour rsoudre le problme TSP sont :
Alpha
Longueur des plateaux
T min
T initiale
de problme :
La premire instance est compos par 10 villes, le tableau ci-dessus reprsente les
coordonnes des villes (x, y).
i
1
2
3
4
5
x
41
35
55
55
15
y
49
17
45
20
30
6
7
8
9
10
25
20
10
55
30
30
50
43
60
60
1
2
3
4
5
6
7
8
9
10
7
21,02
36,25
35,36
46,10
20,62
20,62
_
12,21
36,40
14,14
2
32,56
_
34,41
20,22
23,85
16,40
36,25
36,07
47,42
43,29
8
31,58
36,07
45,04
50,54
13,93
19,85
12,21
_
48,10
26,25
14,56
34,41
_
25,00
42,72
33,54
35,36
45,04
15,00
29,15
9
17,80
47,42
15,00
40,00
50,00
42,43
36,40
48,10
_
25,00
4
32,20
20,22
25,00
_
41,23
31,62
46,10
50,54
40,00
47,17
5
32,20
23,85
42,72
41,23
_
10,00
20,62
13,93
50,00
33,54
10
15,56
43,29
29,15
47,17
33,54
30,41
14,14
26,25
25,00
_
2.3.2. Rsolution
6
24,84
16,40
33,54
31,62
10,00
_
20,62
19,85
0,00
30,41
10
On constate que le point de dpart cest le point 9 ( il est choisie de manire alatoire
lapplication de lalgorithme de glouton donne la solution ci-dessus.
Remarque la solution initiale varie selon le choix du point de dpart.
Solution finale :
Dans cette partie on va changer les paramtres du lalgorithme dans le but la solution
trouve :
Paramtre (Tinit
Fonction objectif
solution
Temps dexcution
alpha,nb-pla,Tmin,
(25,0.9, 2,7)
172,019
(9,3,1,10,7,8,5,6,2,4,9
(30,0.9, 2, 7)
169,27
)
(3,1,9,10,7,8,5,6,2,4,3
10
(40,0.9, 2, 5)
173,64
)
(9,1,10,7,8,6,5,2,4,3,9
14
160,26
)
(3,9,1,10,7,8,5,6,2,4,3
40
(100,0.95, 15, 7)
160,26
)
(3,9,1,10,7,8,5,6,2,4,3
60
(120,0.96, 20, 3)
160,26
)
(3,9,1,10,7,8,5,6,2,4,3
100
(70,0.9, 10, 5)
(seconde)
10
160,263
[1] http://tchiling.iiens.net/Documents/TIPE/Dossier.pdf
[2] http://www.lamsade.dauphine.fr/~monnot/index_fichiers/chap/ChapTSP.pdf
[3] Optimisation combinatoire Mtaheuristiques, Original Pierre Brezellec
Laboratoire Gnome et Informatique, Evry (Modifi par Jol Pothier)
http://abiens.snv.jussieu.fr/OBI/OBI2/Optimisation_combinatoire.pdf
[4]https://rfia2012.files.wordpress.com/2011/12/amine_le_recuit_simulc3a9.pdf
[5] Les mtaheuristiques en optimisation combinatoire [Rapport] : Mmoire de fin d'etudes /
aut. Autin Baptiste / Conservatoire National Des Arts et Metiers. - PARIS : [s.n.], 2006.
[6] Mthode du recuit simul [Rapport] : complment TD/TP Recherche stochastique / aut.
Olivier D.. - 2001.
[7] Optimization by Simulated Annealing [Article] / aut. Kirkpatrick, Gelatt et Vecchi //
Science, New Series. - 13 Mai 1988. - 4598. - pp. 671-680.