Une heuristique d’optimisation globale basée sur la -transformation

Alexandre Dolgui; Valery Sysoev

RAIRO - Operations Research - Recherche Opérationnelle (2003)

  • Volume: 37, Issue: 2, page 119-141
  • ISSN: 0399-0559

Abstract

top
In this paper, we study a heuristic algorithm for global optimization, which is based on the -transformation. We illustrate its behavior first, on a set of continuous non-convex objective functions – we search the global optimum of each function. Then, we give an example from combinatorial optimization. It concerns the optimization of scheduling rules parameters of a manufacturing system. Computational results are presented, they look encouraging.

How to cite

top

Dolgui, Alexandre, and Sysoev, Valery. "Une heuristique d’optimisation globale basée sur la $\Psi $-transformation." RAIRO - Operations Research - Recherche Opérationnelle 37.2 (2003): 119-141. <http://eudml.org/doc/244646>.

@article{Dolgui2003,
abstract = {Dans cet article nous étudions une heuristique d’optimisation globale basée sur la $\Psi $-transformation. Nous illustrons son comportement sur deux types d’exemples. D’abord, nous utilisons un ensemble de fonctions objectif continues non convexes. Nous recherchons l’optimum global de chaque fonction. Ensuite, nous donnons un exemple d’optimisation combinatoire. Cet exemple est lié à l’optimisation paramétrique des règles d’ordonnancement dans un atelier de production manufacturière. Les résultats des tests sont présentés, ils sont encourageants.},
author = {Dolgui, Alexandre, Sysoev, Valery},
journal = {RAIRO - Operations Research - Recherche Opérationnelle},
keywords = {optimisation globale; métaheuristiques; $\Psi $-transformation; méthode Monte-Carlo},
language = {fre},
number = {2},
pages = {119-141},
publisher = {EDP-Sciences},
title = {Une heuristique d’optimisation globale basée sur la $\Psi $-transformation},
url = {http://eudml.org/doc/244646},
volume = {37},
year = {2003},
}

TY - JOUR
AU - Dolgui, Alexandre
AU - Sysoev, Valery
TI - Une heuristique d’optimisation globale basée sur la $\Psi $-transformation
JO - RAIRO - Operations Research - Recherche Opérationnelle
PY - 2003
PB - EDP-Sciences
VL - 37
IS - 2
SP - 119
EP - 141
AB - Dans cet article nous étudions une heuristique d’optimisation globale basée sur la $\Psi $-transformation. Nous illustrons son comportement sur deux types d’exemples. D’abord, nous utilisons un ensemble de fonctions objectif continues non convexes. Nous recherchons l’optimum global de chaque fonction. Ensuite, nous donnons un exemple d’optimisation combinatoire. Cet exemple est lié à l’optimisation paramétrique des règles d’ordonnancement dans un atelier de production manufacturière. Les résultats des tests sont présentés, ils sont encourageants.
LA - fre
KW - optimisation globale; métaheuristiques; $\Psi $-transformation; méthode Monte-Carlo
UR - http://eudml.org/doc/244646
ER -

References

top
  1. [1] G. Berthiau et P. Siarry, État de l’art des méthodes d’optimisation globale. RAIRO: Oper. Res. (2001). Zbl1003.90032
  2. [2] V.K. Chichinadze, Non linear convex optimization. Nauka, Moscow (1983) (en russe). 
  3. [3] A. Dolgui, Optimisation des paramètres de modèles de simulation par -transformation, dans les Actes de la première conférence francophone de modélisation et de simulation (MOSIM’97). Edn. Hermès, Paris (1997) 451-459. 
  4. [4] A. Dolgui et D. Ofitserov, A stochastic method for discrete and continuous optimization in manufacturing systems. J. Intelligent Manufacturing 8 (1997) 405-413. 
  5. [5] A. Dolgui et D. Ofitserov, Méthode de -transformation discrète et son application aux problèmes combinatoires en gestion de production, dans les Actes de Deuxièmes Journées Francophone de Recherche Opérationnelle (FRANCORO II), 6-8 avril 1998, Sousse, Tunisie, édité par F. Ben Abdelaziz, M. Haouari et K. Mellouli. CPU Press (2000) 25-32. 
  6. [6] A. Dolgui et Ch. Thirion, Utilisation des plans d’expériences pour le paramétrage des heuristiques d’ordonnancement dans un atelier job-shop, dans les Actes de la Deuxième Conférence Francophone de Modélisation et Simulation (MOSIM’99), édité par G. Habchi et A. Haurat. SCS Publication (1999) 351-356. 
  7. [7] S.G. Fishman, Monte-Carlo: Concepts, algorithms, and applications. Springer-Verlag, New York (1996). Zbl0859.65001MR1392474
  8. [8] A.H.G. Kan Rinnooy et G.T. Timmer, Stochastic methods for global optimization. Amer. J. Math. Management Sci. 4 (1984) 7-40. Zbl0556.90073MR770759
  9. [9] J. Mockus, Application of Bayesian Approach to Numerical Methods of Global and Stochastic Optimization. J. Global Optim. 4 (1994) 347-356. Zbl0801.90099MR1275752
  10. [10] I.H. Osman et G. Laporte, Metaheuristics: A bibliography. Ann. Oper. Res. 63 (1996) 513-623. Zbl0849.90097
  11. [11] J.M. Proth et N. Sauer, Sensibility Analysis for Job-Shop Scheduling, dans Proc. of the IMACS/IEEE Multiconference on Computational Engineering in Systems Applications. CESA’96 (1996) 208-211. 
  12. [12] V.V. Sysoev, Computer-aided design of production lines in electronics industry. Radio i Sviazj, Moscow (1982) (en russe). 
  13. [13] A. Törn et A. Zilinskas, Global Optimization, édité par G. Goos et J. Hartmanis. Springer Verlag, Lecture Notes in Comp. Sci. 350 (1989). Zbl0752.90075MR988640
  14. [14] D.A. Velitchko, V.V. Sysoev et N.V. Beliaev, Test functions for validation of optimization tools. Technical methods in machines reliability. Technological Institute of Voronezh (1975) 110-118 (en russe). 

NotesEmbed ?

top

You must be logged in to post comments.