Hybridation Des Algorithmes Evolutionnaires Multiobjectifs

Les Algorithmes Evolutionnaires (AEs) représentent une famille d'algorithmes fondés sur la théorie Darwinienne. Ils font évoluer une population d'individus vers l'optimum d'une fonction. Ils sont caractérisés par leur capacité de diriger la recherche vers les zones prometteuses. Cependant, ces métaheuristiques possčdent quelques faiblesses. Une façon de les surmonter est de combiner ces AEs avec d'autres méthodes de recherche, ce phénomčne est appelé l'hybridation. La plus connue est l'hybridation avec les méthodes de recherche locale (RL) qui ont la capacité ŕ détecter les optima locaux. Le résultat d'une telle hybridation est appelé Algorithme Mémétique (AM). Plusieurs AMs ont montré de trčs bons résultats dans la résolution de problčmes réels dans un cadre mono-objectif. C'est pour cette raison, la communauté scientifique a opté vers le développement d'AMs pour le cadre multi-objectif. La plupart des AMs multi-objectifs visent la résolution des problčmes réels plutôt que le développement du cadre conceptuel de tels algorithmes. Dans ce travail, nous présentons les problčmes de conception des AMs multi-objectifs. Ainsi, nous développons un AM multi-objectif (PHC-NSGA-II)