KADRI, Ouahab (2013) L’application des algorithmes de colonies de fourmis pour le diagnostic des systèmes dynamiques et complexes. Doctoral thesis, Université de Batna 2.

Preview

Text inj KADRI OUAHAB.pdf Download (2MB) | Preview

Abstract

Dans le cadre de cette thèse, nous avons proposé plusieurs modules de diagnostic pour des systèmes complexes et dynamiques. Ces modules sont basés sur trois algorithmes de colonie de fourmis qui sont AntTreeStoch, Lumer & Faieta et Binay ant colony. Ces algorithmes ont été choisis pour leur simplicité et leur vaste domaine d’application. Toutefois ces algorithmes ne peuvent pas être utilisés sous leur forme basale pour le développement de modules de diagnostic puisqu’ils présentent plusieurs limites. Nous avons aussi proposé plusieurs adaptations afin que ces algorithmes soient aptes à être utilisés dans des modules de diagnostic. Nous avons proposé une version parallèle de l’algorithme AntTreeStoch basée sur un système multi-agents réactifs. Cette version permet de minimiser l’influence de tri initial sur le résultat final de classification. Nous avons introduit aussi un nouveau paramètre appelé Sid qui permet à plusieurs fourmis de se connecter à la même position et nous avons modifié les déplacements des fourmis en favorisant le chemin de la fourmi la plus similaire. Pour l’algorithme Lumer & Faieta, nous avons accéléré la vitesse de construction de classes en ajoutant un paramètre de vitesse différent pour chaque fourmi. Pour réduire le nombre de déplacements, nous avons proposé une nouvelle variable qui permet de sauvegarder les identifiants des objets déplacés par la même fourmi. Pour améliorer la qualité de classification, nous avons ajouté aussi à l’algorithme des indices pour signaler les classes malles construites. Pour l’algorithme Binay ant colony, nous avons proposé une variante appelée « Hybrid wrapper/filter-based ACO-SVM ». Cet algorithme permet la sélection de paramètres. Il combine les techniques de méthodes filtres et enveloppantes en profitant de la rapidité du rapport de Fisher et l’adaptation de paramètres sélectionnés au classifieur SVM. Il améliore la qualité de classification en fonction de la nature de données de la base d’apprentissage et le type de la fonction noyau utilisée. Il permet aussi de régler les hyper-paramètres de la fonction noyau. Nous avons testé ces algorithmes sur des bases de données issues de deux systèmes industriels qui sont le système de clinkérisation et le système de pasteurisation, ainsi sur quelques bases de données d’UCI (University of California, Irvine).

Item Type:	Thesis (Doctoral)
Uncontrolled Keywords:	Diagnostic, Classification, Sélection de paramètres, Algorithmes de colonie de fourmis, Systèmes Multi-Agents
Subjects:	Technologie > Génie industriel
Divisions:	Faculté de technologie > Département de génie industriel
Date Deposited:	23 Apr 2017 09:15
Last Modified:	23 Apr 2017 09:15
URI:	http://eprints.univ-batna2.dz/id/eprint/1021

Actions (login required)

View Item