Optimisation par algorithme génétique sous contraintes

Nicolas Barnier (1) , Pascal Brisset (2)

1 MAIA-OPTIM - ENAC Equipe MAIAA-OPTIM
2 ENAC - Ecole Nationale de l'Aviation Civile

Dans le cadre de la programmation logique par contraintes sur les domaines finis CLP(FD), nous proposons une nouvelle méthode d'optimisation reposant sur un algorithme génétique. L'idée de base est de faire manipuler par l'algorithme génétique des sous-domaines des variables du CSP. La population de l'algorithme génétique est ainsi constituée de chaînes de sous-domaines dont l'adaptation est calculée par la résolution des " sous-CSP " corres\-pondants qui sont plus simples que le problème original. Nous présentons des opérateurs de croisement et de mutation basiques puis spécifiques, dotés de divers degrés de robustesse. Les premières expérimentations de la méthode ont été menées sur des formulations CSP naïves du problème de tournées (VRP) et d'affectation de fréquences radio (RLFAP). Les résultats sont encourageants et la méthode est plus efficace que les techniques CLP(FD) ou les algorithmes génétiques seuls sur ces problèmes.

Mots clés: optimisation; algorithme génétique; CSP; méthode mixte

Domaines: Mathématiques [math]; Optimisation et contrôle [math.OC]

Nicolas Barnier, Pascal Brisset. Optimisation par algorithme génétique sous contraintes. Revue des Sciences et Technologies de l'Information - Série TSI : Technique et Science Informatiques, 1999, 18 (1), pp 1-29. ⟨hal-00934534⟩