voyageur de commerce_recuit simulé
TRANSCRIPT
-
7/24/2019 Voyageur de Commerce_recuit Simul
1/25
Ecole nationale dingnieurs de Tunis
Universit de Tunis El Manar
Dpartement Gnie Industriel
Projet en mta heuristique
Rsolution d'un problme de voyageur de
commerce avec le recuit simul
Ralis par :
!IDI "ussama
!#$ !R%I& li
lasse :
(GI(
Anne universiaire 2015/201
-
7/24/2019 Voyageur de Commerce_recuit Simul
2/25
-
7/24/2019 Voyageur de Commerce_recuit Simul
3/25
/iste des 0igures73*+r% 1:W",)*% &E+2% D%+r3;43>+% ,");;3>+% &)2; +2 $323$) ",)".....................F73*+r% 6 - /3)*r)$$% &% $&0"3;)432 &+ r%,+34 ;3$+"0......................................1673*+r% 9 - V2 %2;%$!"% &% '3""%; O2X+&; r%"30; %24r% %+C 5)r &%; r+4%; O)r,;. 1u pour rec"erc"er un optimum global parmi plusieurs minimas ou ma+imas locau+ ?4@#
-
7/24/2019 Voyageur de Commerce_recuit Simul
10/25
Figure 1:Blocage dune heuristique classique dans un minima local
*+-+ /e recuit simul :
*+-+*+ %istorique :
La mt"ode de recuit simul tait ralise par -etropolis et al# 1B53 pour simuler lGvolution
de ce processus de recuit p"ysique -etropolis53#
lle a t mise au point par trois c"erc"eurs de la socit IM-# NirFpatricF :#*# Oelatt et
-#=# Jecc"i en 1BD3 au+ tats%&nis et indpendamment par J# Perny en 1BD5 en .lovaquie#
.on utilisation pour la rsolution des problmes dGoptimisation combinatoire est beaucoup
plus rcente# Ainsi le recuit simul est la premire mta"euristique qui a t propose pour ce
genre de problme#
*+-+-+ D0inition :
La mt"ode du recuit simul simulated annealing sGinspire du processus du recuit p"ysique#
:e processus utilis en mtallurgie pour amliorer la qualit dGun solide c"erc"e un tat
dGnergie minimale qui correspond ) une structure stable du solide#
n partant dGune "aute temprature ) laquelle le solide est devenu liquide la p"ase de
refroidissement conduit la matire liquide ) retrouver sa forme solide par une diminution
-
7/24/2019 Voyageur de Commerce_recuit Simul
11/25
progressive de la temprature# :"aque temprature est maintenue (usquG) ce que la matire
trouve un quilibre t"ermodynamique# Quand la temprature tend vers Rro seules les
transitions dGun tat ) un tat dGnergie plus faible sont possibles#
*+-+(+ Principes du recuit simul :
Lalgorit"me sappuie sur des rsultats de p"ysique statistique
Lorsque lquilibre t"ermodynamique est atteint ) une temprature H la probabilit
pour un systme p"ysique de possder une nergie est proportionnelle au facteur de
MoltRmann e1p49#;
-
7/24/2019 Voyageur de Commerce_recuit Simul
12/25
Figure 2 : Diagramme de modlisation du recuit simul
-
7/24/2019 Voyageur de Commerce_recuit Simul
13/25
*+-+6+ nalogie entre recuit thermique et recuit simul :
Recuit thermique Recuit simul
Les tats du solide Les solutions ralisables
Les nergies des tats Les valeurs de la fonction ob(ective calculessur ces solutionsLtat ) nergie minimale .olution optimale du problme
Le refroidissement rapide Uec"erc"e locale
*+-+,+ /8algorithme du recuit simul :
Le recuit simul applique itrativement lalgorit"me de -etropolis pour engendrer une
squence de configurations qui tendent vers lGquilibre t"ermodynamique 1# :"oisir une temprature de dpart ? le co't remonte# n calcule une probabilit dacceptation a @ e 9=B
-
7/24/2019 Voyageur de Commerce_recuit Simul
14/25
-
7/24/2019 Voyageur de Commerce_recuit Simul
15/25
La solution la plus simple est de parcourir les villes dans lordre
Figure 4:Une "remi#re solution ("arcours suivant l$ordre des villes%
Figure 5:&e rsultat obtenu : on a dlac un sommet vers son "lus "roche voisin%
Figure 6:&e rsultat obtenu en changeant les sommets 2 et 3%
*ans la \igure 4 la distance totale a augment# =our une "euristique classique cette solution
est re(ete car la distance doit !tre minimise mais le recuit simul laccepte si la temprature
est encore leve et cette solution qui est S mauvaise T par rapport ) la premire va lui
permettre de trouver une solution meilleure
Figure :&e rsultat obtenu en changeant les sommets ' et 2%
#n rsum : Le recuit simul en acceptant une mauvaise solution ) russi ) c"apper au
minimum local et ) obtenir une solution meilleure#
*+-+J+ vantages et inconvnients:
/es avantages:
-
7/24/2019 Voyageur de Commerce_recuit Simul
16/25
\acile ) implmenter# lle est pr!te aussi ) loptimisation combinatoire que continue# lle donne des e+cellents rsultats pour des problmes de grande taille# La t"orie dmontre que la mt"ode converge presque s'rement i#e# avec une
probabilit 1 vers un minimum global si la temprature ne dcroKt pas plus vite
que :/logt oZ :est une constante dpendant de la profondeur des S puis
dnergie T# :est un trs bon algorit"me itratif pour loptimisation de fonctions continues
non conve+es#
/es inconvnients:
Hrs co'teuse en temps de calcul# La difficult de dterminer la temprature initiale# on%convergence vers lGoptimum peut se rencontrer asseR vite# LGimpossibilit de savoir si la solution trouve est optimale# *gradation des performances pour les problmes oZ il y a peu de minimums
locau+#
-
7/24/2019 Voyageur de Commerce_recuit Simul
17/25
-+ hapitre - : lgorithme et
Implmentation
-+*+ Introduction :
*ans ce c"apitre nous allons e+pliquer lalgorit"me et le code avec lequel on a fait la rsolution
-+-+ /es lments de l8algorithme de recuit simul :
-+-+*+ )olution initiale : K I$I
-
7/24/2019 Voyageur de Commerce_recuit Simul
18/25
=our les algorit"mes de gnration de la solution initiale nous avons c"oisi lalgorit"me de
glouton# n fait cet algorit"me est utilis pour avoir une bonne solution initiale ds le dbut#
Lalgorit"me est dcrit comme suit
n c"oisit une premire ville au "asard et on construit un c"emin en allant vers la ville la plus
proc"e nappartenant pas d() au c"emin#
, ]12^10_
.10 , vide
r, rand110
.1 , r
,/]r_
=our i,1 ) 10 faire
`, le plus proc"e de . i%1 dans
.i,(
,/ ](_
\in pour
Uetourner .
-+-+-+ 3oisinage K 3"I)I$ 4 5 L:
La notion de voisinage est relativement simple# n dsigne par voisinage dune solution
donne lensemble des solutions du problme H.= obtenues ) partir dune lgre perturbation
lmentaire dune solution# ous allons adopter dans notre mt"odologie de rsolution S
linversion T entre deu+ villes ou sommets e+emple si la solution .,?+yRt@ le voisin
peut !tre .,?yRt+@ permutation entre et +#
F1 , rand110
F2 ,rand110
avec F17 6F2
s+ , ]+ avec permutation de +F1 et +F2 _
-+-+(+ lgorithme principale &I$MR#NI< 4 5:
+9 , IIHIAL + , IIHIAL
H , H initiale
Alp"ain ?01@
-
7/24/2019 Voyageur de Commerce_recuit Simul
19/25
"ile H 6 Hmin do
for m ,1 ) m ,longueur des plateau+ do
s+ ,c"oisir voisin+
f, fs+%f+
if f 0 t"en +,s+
else
tirer p dans ?01@ 8
if p e% f/H t"en +,s+
if f+9 6 f+ t"en +9,+H ,H9Alp"aUetourner +9 f+9
f + reprsente la distance totale dun cycle donnes +#
Les diffrents paramtres que nous allons c"oisir pour rsoudre le problme H.= sont
Alp"a Longueur des plateau+ H min
H initiale
-+(+ D0inition du problme et Rsolution:
Hout dabord on a vrifi que lGalgorit"me glouton et le recuit simul sont corrects et
efficace# Le langage de programmation JMA a t utilis pour la programmation de la -eta
"euristique sur +cel 2013#
-+(+*+ D0inition de problme :
La premire instance est compos par 10 villes le tableau ci%dessus reprsente lescoordonnes des villes + y#
3 C (
1
-
7/24/2019 Voyageur de Commerce_recuit Simul
20/25
6@ 9H
8 6H @H
? 1H
-
7/24/2019 Voyageur de Commerce_recuit Simul
21/25
-
7/24/2019 Voyageur de Commerce_recuit Simul
22/25
Figure ' : tra+et de la meilleure solution trouve :
T%3""%+r% ;"+4324r+'0% O;^
F 9 < 6 @ ? 8 1H 1 F
/3;4)2,% 160,26
*aprs le tableau ci%dessus on modifiant les paramtres de lalgorit"me augmentation de
Hinit et de alp"a et de nombre des plateau+ on constate qu) partir dun certain moment la
fonction ob(ectif se stabilise pour une valeur gale 1C02C# et une solution+9,3B110ED5C243
2.!.2.2. "#solution e(a$te :
Afin de pouvoir valuer les rsultats de la mt"ode approc"e nous avons rsolu le
problme ) loptimalit en utilisant le logiciel doptimisation :ple+ \igure 1
-
7/24/2019 Voyageur de Commerce_recuit Simul
23/25
Figure , :-ode -"le!
Figure .: donn du "robl#me
-
7/24/2019 Voyageur de Commerce_recuit Simul
24/25
Figure /: &a solution o"timale )ournie "ar -"le! "our la 10nstance n1
La solution optimale est +,3B110ED5C243 cest la m!me solution trouv par le mta
"euristique avec les paramtres Hinit, 120 alp"a,0#BC=, 20 Hmin, 3
Interprtation :=lus on augmente le temps de calcul plus la solution livre par le mta "euristique
sapproc"e de la solution optimale donne par :ple+#
Le c"oi+ des paramtres comme alp"a et le nombre des plateau+ assure une rec"erc"e plus
efficace de la solution optimale mais ce c"oi+ augmente la mmoire alloue ) le+cution de
lalgorit"me et le temps de+cution#
-
7/24/2019 Voyageur de Commerce_recuit Simul
25/25
?1@ "ttp//tc"iling#iiens#net/*ocuments/HI=/*ossier#pdf
?2@ "ttp//#lamsade#daup"ine#fr/monnot/inde+fic"iers/c"ap/:"apH.=#pdf
?3@"ptimisation combinatoire C &taheuristiquesF riginal =ierre MreRellecLaboratoire Onome et Informatique vry -odifi par `ol =ot"ier"ttp//abiens#snv#(ussieu#fr/MI/MI2/ptimisationcombinatoire#pdf
?4@"ttps//rfia2012#files#ordpress#com/2011/12/aminelerecuitsimulc3aB#pdf
?5@ Les mta"euristiques en optimisation combinatoire ?Uapport@ -moire de fin dGetudes /aut# Autin Maptiste / :onservatoire ational *es Arts et -etiers# % =AUI. ?s#n#@ 200C#
?C@ -t"ode du recuit simul ?Uapport@ complment H*/H= Uec"erc"e stoc"astique / aut#livier *## % 2001#
?E@ ptimiRation by .imulated Annealing ?Article@ / aut# NirFpatricF Oelatt et Jecc"i //.cience e .eries# % 13 -ai 1BDD# % 45BD# % pp# CE1%CD0#
http://tchiling.iiens.net/Documents/TIPE/Dossier.pdfhttp://www.lamsade.dauphine.fr/~monnot/index_fichiers/chap/ChapTSP.pdfhttp://abiens.snv.jussieu.fr/OBI/OBI2/Optimisation_combinatoire.pdfhttps://rfia2012.files.wordpress.com/2011/12/amine_le_recuit_simulc3a9.pdfhttp://tchiling.iiens.net/Documents/TIPE/Dossier.pdfhttp://www.lamsade.dauphine.fr/~monnot/index_fichiers/chap/ChapTSP.pdfhttp://abiens.snv.jussieu.fr/OBI/OBI2/Optimisation_combinatoire.pdfhttps://rfia2012.files.wordpress.com/2011/12/amine_le_recuit_simulc3a9.pdf