L’optimisation par essaims particulaires : application à la fragmentation verticale

Abstract

L’optimisation par essaim particulaire (OEP) est un nouveau paradigme d’Intelligence en Essaims. Les essaims de particules sont un outil précieux pour trouver des optima des fonctions dans un espace de recherche dans R^n, particulièrement utile lorsqu'il s'agit d'un grand nombre de dimensions et des problèmes où des informations spécifiques sur les fonctions est inexistantes. Sa convergence rapide et ses exigences de calculs très petits font un bon candidat pour résoudre les problèmes d'optimisation. Ce paradigme est inspiré par les concepts de la psychologie sociale et de la Vie Artificielle. Il permet de simuler les interactions sociales entre les individus, à savoir l'émergence de normes sociales, et la manière dont les individus à imiter les comportements des autres du même groupe qui semble plus efficace. Le but de cette simulation est de faire coopérer les particules pour trouver l'optimum global dans un espace de recherche. Le travail présenté dans ce mémoire décrit une étude approfondie du métaheuristique d’optimisation par essaims particulaires et présente un travail d’adaptation et d’application de cette nouvelle métaheuristique pour la résolution d’un problème très connu dans le domaine des bases de données celui de la fragmentation verticale. Les résultats trouvés ici montrent que l’algorithme proposé dépasse les algorithmes génétiques en termes de rapidité et convergence.