Optimisation des problemes de transports par les algorithmes génétique

Abstract

Un probleme d’optimisation combinatoire (COP : Combinatorial Optimisation Problems) comprend un ensemble fini de solutions, ou chaque solution doit respecter un ensemble de contraintes relatives a la nature du probleme. On associe a chaque solution une valeur, nommele valeur de l’objectif qui est evalue a l’aide d’une fonction objective. les problemes d’optimisation combinatoire peuvent être mono-objectifs qui consistent a optimiser une seule fonction objective, ou multiobjectifs qui optimisent plusieurs fonctions objectives. Les problèmes d’optimisations sont souvent faciles a definir, mais généralement difficiles a resoudre. En effet, la plupart de ces problemes appartiennent a la classe des problemes NP- completes et ne possedent donc pas a ce jour une solution algorithmique efficace et valable pour toutes les donnes, outre la classification selon le nombre de critere a optimiser les methodes d’optimisation combinatoire peuvent être classees aussi en methodes exactes et méthodes approchees (heuristiques et métaheuristiques). Parmi les metaheuristiques, on trouve la famille des algorithmes evolutionnaires constituee de quatre types t les strategies d’évolution, la programmation evolutionnaire et génetique et les algorithmes génétiques (mono-objectifs, multiobjectifs). Les methodes des algorithmes génetiques multiobjectifs sont particulierement bien adapteles au traitement de problemes multiobjectifs où l’on recherche un ensemble de solutions. Les algorithmes génetiques travaillent sur une population de solution,cette caractéristique leur permet de trouver plusieurs solutions potentielle1 ment Pareto optimales. Done I’approche des algorithmes génetiques peut etre capable de resoudre le probleme de controlle multiobjectif. En outre, notre travail consiste a demontrer l’utilité de l’algorithme génetique multiobjectif pour résoudre un problème combinatoire (problème de voyageur de commerce).