Résumé:
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).
