Contributions à la résolution de l’émergence inversée en utilisant les métaheuristiques quantiques

Abstract

Les systèmes complexes présentent une propriété intéressante : l'émergence. Cette propriété est présente dans beaucoup de modèles inspirés de la nature. Parmi ces modèles : les automates cellulaires, les colonies de fourmis, les systèmes multi-agents, les essaims de particules, les réseaux de neurones arti ciels. La résolution de l'émergence inversée dans ces systèmes consiste à déterminer les règles de base qui permettent à un collectif d'individus simples de coopérer et de produire à un niveau global, une fonction émergente. Dans la littérature, ce problème est quali é de "difcile" et induit d'intenses recherches. Dans cette optique, nous proposons dans cette thèse trois méthodes de résolution. La première mé- thode s'appuie sur la métaheuristique PSO, qui guide un processus évolutionnaire d'automate cellulaire. La validation a été faite à travers l'extraction de contours sur images. La deuxième méthode utilise les principes de l'informatique quantique hybridée avec le PSO, à travers la métaheuristique Quantum PSO, pour tirer pro t de la diversi cation de la population, le parallélisme, et la richesse des opérateurs quantiques. Ce modèle a été utilisé pour résoudre deux problèmes : la détection de contours et le ltrage d'images. La troisième méthode est une hybridation entre l'algorithme génétique et l'informatique quantique. L'algorithme obtenu a montré une bonne capacité de recherche globale. Un nombre réduit de chromosomes quantiques a sur pour étudier le problème. Les résultats expérimentaux obtenus par les trois méthodes ont démontré la grande capacité des métaheuristiques utilisées pour apporter une solution satisfaisante au problème de l'émergence inversée et assurer une excellente convergence du système et un bon équilibre entre exploitation et exploration .