Algorithme évolutionnaire à états pour l''optimisation difficile

Les Algorithmes Évolutionnaires (AEs) sont des méthodes de recherche inspirées par la théorie darwinienne de l''évolution. La définition des paramètres ou l''attribution de leurs propres valeurs ont une influence cruciale sur les performances de l''algorithme. Trouver une configuration appropriée pour un AE est un grand défi. Dans la première partie, nous exposons la problématique du réglage/contrôle des paramètres ainsi que les principales heuristiques existantes. Dans la deuxième, nous proposons deux méthodes pour le contrôle dynamique des paramètres associés à la représentation des solutions. Dans la troisième, nous proposons l''algorithme évolutionnaire à états (SEA); cette variante parallèle des AEs gère plusieurs AEs afin de contrôler dynamiquement les paramètres au cours du processus d''optimisation. Dans la dernière