University Sétif 1 FERHAT ABBAS Faculty of Sciences
Détail de l'éditeur
Setif:UFA |
Documents disponibles chez cet éditeur
Ajouter le résultat dans votre panier Affiner la recherche
Titre : Formalisation des systèmes Multi-Agents Temps Réel avec Real-Time Maude Type de document : texte imprimé Auteurs : Lekired, Chahinez, Auteur ; Laouadi ,Mohamed Amin, Directeur de thèse Editeur : Setif:UFA Année de publication : 2018 Importance : 1 vol (81 f .) Format : 29 cm Langues : Français (fre) Langues originales : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : système multi-agent
temps réel
organisations
Moise
formelle
Maude
Real Time Maude
JadeRésumé : Résumé
La technologie agent est un paradigme permettant d’implémenter des applications distribuées complexes. Dans le but d’assister le développement des systèmes multi-agent (SMA), des méthodologies de développement ainsi que des modèles organisationnels ont été proposées ces dernières années afin de supporter la modélisation d’un grand nombre d’applications complexes. Ils doivent être capable de ‘’capturer et représenter les structures organisationnelles, définir les interactions et les modèles de collaboration entre les agents, leurs rôles interne et les dépendances entre les groupes d’agents’’.
Récemment, les chercheurs s’intéressent beaucoup aux aspects organisationnels liés aux sociétés d’agent. Pour cette raison, que le processus de développement des systèmes est guidé par les concepts : d’organisation, de groupes, de normes et de rôles.
Notre travail à un double objectif, en premier c’est l’analyse des caractéristiques du modèle organisationnel Moise que nous devons prendre en considération afin de mieux répondre aux exigences des systèmes actuels. Particulièrement, on s’intéresse à la perspective organisationnelle pour améliorer et enrichir la conception des SMA temps réel qui sont une catégorie des SMA mais ayant en plus des contraintes temporelles à respecter. Et deuxièmement proposer une formalisation du modèle Moise en utilisant un langage basé sur la logique de réécriture nommé Real Time Maude.
Ce mémoire est organisé comme suit : nous commençons par une introduction au domaine des SMA et sa branche temps réel tout en mettant l’accent sur le modèle organisationnel Moise (chapitre 1), après nous décrivons les formalismes utilisés au développement de notre approche à savoir Agent UML pour la modélisation ; Maude et son extension pour le temps réel notée Real Time Maude pour la spécification formelle ainsi qu’à la vérification du Framework à développer et la plateforme d’agent Jade pour le déploiement de la solution (chapitre 2). Par la suite, nous présentons le Framework formel développé et son application sur un exemple concret qui est celui du système de gestion de conférence (SGC) (Chapitre 3). Et nous terminons bien sûr des conclusions et quelques perspectives.Note de contenu :
Sommaire
Résumé ................................................................................................................................... i
Abstract ................................................................................................................................. ii
Remerciements .................................................................................................................... iv
Dédicaces ............................................................................................................................... v
Contenu ................................................................................................................................ vi
Liste des figures .................................................................................................................... x
Introduction générale .......................................................................................................... 1
Chapitre 01 Les Systèmes Multi-Agents Temps Réel ............................................. 3
1. Introduction ............................................................................................................. 3
2. Les Agents ................................................................................................................. 4
2.1 Définition d’agent ............................................................................................. 4
2.2 Les Modèles d'Agent ......................................................................................... 5
2.2.1 Modèle d’Agents Réactif ............................................................................ 5
2.2.2 Modèle d'Agent Cognitif ............................................................................ 5
2.2.3 Modèle d’Agents Hybrides ........................................................................ 6
3. Les Systèmes Multi Agent (SMA) .......................................................................... 7
3.1 Définition .......................................................................................................... 7
3.2 Caractéristique d’un SMA ........................................................... …………….8
3.3 Les Constituants d’un Système Multi-Agents .................................................. 8
3.3.1 Agent .......................................................................................................... 8
3.3.2 Environnement ........................................................................................... 8
3.3.3 Organisation ............................................................................................... 9
3.3.4 Interaction ................................................................................................ 11
3.4 Mode d’interaction .......................................................................................... 12
3.4.1 La coopération .......................................................................................... 12
3.4.2 La coordination ........................................................................................ 12
3.4.3 La négociation .......................................................................................... 12
3.5 Infrastructure d’interaction.............................................................................. 12
3.5.1 La Communication ................................................................................... 12
3.6 Domaine d’application des SMA .................................................................... 14
4. Les Système Multi-Agent Temps Real ................................................................ 14
4.1. Système Temps Réel ...................................................................................... 14
4.1.1 Définition ................................................................................................... 14
4.2 Les systèmes multi-agents temps réel ............................................................. 15
5. Conclusion ............................................................................................................ 15
Chapitre 02 Outils de développement des SMA ..................................................... 16
1. Introduction ........................................................................................................... 16
2. Le Langage Maude ................................................................................................ 16
2.1 Présentation ....................................................................................................... 16
2.2 Caractéristique Maude .................................................................................... 17
2.3 Niveaux de Maude .......................................................................................... 17
2.3.1 Core Maude .............................................................................................. 17
2.3.2 Full Maude ............................................................................................... 19
2.4 Syntaxe du Langage Maude ............................................................................ 20
2.4.1 La Déclaration de Sort et Subsort ............................................................ 21
2.4.2 La Déclaration des Opérations ................................................................. 21
2.4.3 Les Variables ............................................................................................ 22
2.4.4 Importation de Modules ........................................................................... 22
2.5 Maude et Vérification de Modèles ................................................................... 23
2.5.1 LTL et Maude .......................................................................................... 23
2.5.2 Structure de Kripke et Logique de Réécriture .......................................... 24
2.5.3 Vérification de Modèles avec Mande ...................................................... 25
3 Real Time-Maude (RT-Maude) ............................................................................. 28
4 La plateforme Jade ................................................................................................. 33
4.1 Les comportements « Behaviours » en JADE................................................. 34
4.1.1 Les Behaviours simples ........................................................................... 36
4.1.2 Les Behaviours planifiés .......................................................................... 37
4.1.3 Les Behaviours Composés ....................................................................... 37
5. Langage de Modélisation AUML ........................................................................... 38
5.1 Présentation ..................................................................................................... 38
5.1.1 Définition d’UML .................................................................................... 38
5.1.2 Insuffisance d'UML .................................................................................. 39
5.2 AUML « Agent Unified Modeling Language » .............................................. 40
5.2.1 Définition d’AUML ................................................................................... 40
5.2.2 Les Diagrammes AUML .......................................................................... 40
6. Conclusion .............................................................................................................. 42
Chapitre 03 Formalisation du modèle Moise+ .......................................................... 43
1. Introduction ........................................................................................................... 43
2 Spécification formelle de Moise+ .......................................................................... 43
2.1 Architecture du Framework Proposé .............................................................. 44
3 Cas d’étude : Système de Gestion de Conférence (SGC) ...................................... 52
3.1 Description ........................................................................................................ 52
3.2 Décomposition selon Moise+ du Système de Gestion de Conférence ............ 54
3.2.1 La Spécification Structurelle ...................................................................... 54
3.2.2 La Spécification Fonctionnelle ................................................................ 55
3.3 Modélisation AUML du Système de Gestion de Conférence ......................... 57
3.3.1. Diagramme de class du Système de Gestion de Conférence .................... 57
3.3.2. Diagramme de cas d’utilisation du Système de Gestion de Conférence ... 58
3.3.3. Diagramme de Communication du Système de Gestion de Conférence . 59
3.3.4 Diagrammes d’état transition du Système de Gestion de Conférence ...... 59
3.3.5. Diagramme de Protocole du Système de Gestion de Conférence ............ 61
3.3.6. Diagrammes de Temps du Système de Gestion de Conférence ................ 63
3.4 Application du Processus de Translation ........................................................ 64
3.4.1. Translation................................................................................................. 64
3.4.2. Validation de la Description Générée ....................................................... 67
3.5 Vérification de la Description Générée ........................................................... 69
3.5.1. Propriétés du comportement individuel .................................................... 70
3.5.2. Vérification des propriétés ........................................................................ 72
3.6 Déploiement du Framework du Système de Gestion de Conférence sous JADE ........................... 74
3.6.1 Déploiement ............................................................................................. 75
4 Conclusion ............................................................................................................. 78
Conclusion & Perspectives ................................................................................................ 80
Bibliographie ........................................................................................
Côte titre : MAI/0253 En ligne : https://drive.google.com/file/d/1g_BmDE6IsalwmsWEzOI-ey1UtBbskGlC/view?usp=shari [...] Format de la ressource électronique : Formalisation des systèmes Multi-Agents Temps Réel avec Real-Time Maude [texte imprimé] / Lekired, Chahinez, Auteur ; Laouadi ,Mohamed Amin, Directeur de thèse . - [S.l.] : Setif:UFA, 2018 . - 1 vol (81 f .) ; 29 cm.
Langues : Français (fre) Langues originales : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : système multi-agent
temps réel
organisations
Moise
formelle
Maude
Real Time Maude
JadeRésumé : Résumé
La technologie agent est un paradigme permettant d’implémenter des applications distribuées complexes. Dans le but d’assister le développement des systèmes multi-agent (SMA), des méthodologies de développement ainsi que des modèles organisationnels ont été proposées ces dernières années afin de supporter la modélisation d’un grand nombre d’applications complexes. Ils doivent être capable de ‘’capturer et représenter les structures organisationnelles, définir les interactions et les modèles de collaboration entre les agents, leurs rôles interne et les dépendances entre les groupes d’agents’’.
Récemment, les chercheurs s’intéressent beaucoup aux aspects organisationnels liés aux sociétés d’agent. Pour cette raison, que le processus de développement des systèmes est guidé par les concepts : d’organisation, de groupes, de normes et de rôles.
Notre travail à un double objectif, en premier c’est l’analyse des caractéristiques du modèle organisationnel Moise que nous devons prendre en considération afin de mieux répondre aux exigences des systèmes actuels. Particulièrement, on s’intéresse à la perspective organisationnelle pour améliorer et enrichir la conception des SMA temps réel qui sont une catégorie des SMA mais ayant en plus des contraintes temporelles à respecter. Et deuxièmement proposer une formalisation du modèle Moise en utilisant un langage basé sur la logique de réécriture nommé Real Time Maude.
Ce mémoire est organisé comme suit : nous commençons par une introduction au domaine des SMA et sa branche temps réel tout en mettant l’accent sur le modèle organisationnel Moise (chapitre 1), après nous décrivons les formalismes utilisés au développement de notre approche à savoir Agent UML pour la modélisation ; Maude et son extension pour le temps réel notée Real Time Maude pour la spécification formelle ainsi qu’à la vérification du Framework à développer et la plateforme d’agent Jade pour le déploiement de la solution (chapitre 2). Par la suite, nous présentons le Framework formel développé et son application sur un exemple concret qui est celui du système de gestion de conférence (SGC) (Chapitre 3). Et nous terminons bien sûr des conclusions et quelques perspectives.Note de contenu :
Sommaire
Résumé ................................................................................................................................... i
Abstract ................................................................................................................................. ii
Remerciements .................................................................................................................... iv
Dédicaces ............................................................................................................................... v
Contenu ................................................................................................................................ vi
Liste des figures .................................................................................................................... x
Introduction générale .......................................................................................................... 1
Chapitre 01 Les Systèmes Multi-Agents Temps Réel ............................................. 3
1. Introduction ............................................................................................................. 3
2. Les Agents ................................................................................................................. 4
2.1 Définition d’agent ............................................................................................. 4
2.2 Les Modèles d'Agent ......................................................................................... 5
2.2.1 Modèle d’Agents Réactif ............................................................................ 5
2.2.2 Modèle d'Agent Cognitif ............................................................................ 5
2.2.3 Modèle d’Agents Hybrides ........................................................................ 6
3. Les Systèmes Multi Agent (SMA) .......................................................................... 7
3.1 Définition .......................................................................................................... 7
3.2 Caractéristique d’un SMA ........................................................... …………….8
3.3 Les Constituants d’un Système Multi-Agents .................................................. 8
3.3.1 Agent .......................................................................................................... 8
3.3.2 Environnement ........................................................................................... 8
3.3.3 Organisation ............................................................................................... 9
3.3.4 Interaction ................................................................................................ 11
3.4 Mode d’interaction .......................................................................................... 12
3.4.1 La coopération .......................................................................................... 12
3.4.2 La coordination ........................................................................................ 12
3.4.3 La négociation .......................................................................................... 12
3.5 Infrastructure d’interaction.............................................................................. 12
3.5.1 La Communication ................................................................................... 12
3.6 Domaine d’application des SMA .................................................................... 14
4. Les Système Multi-Agent Temps Real ................................................................ 14
4.1. Système Temps Réel ...................................................................................... 14
4.1.1 Définition ................................................................................................... 14
4.2 Les systèmes multi-agents temps réel ............................................................. 15
5. Conclusion ............................................................................................................ 15
Chapitre 02 Outils de développement des SMA ..................................................... 16
1. Introduction ........................................................................................................... 16
2. Le Langage Maude ................................................................................................ 16
2.1 Présentation ....................................................................................................... 16
2.2 Caractéristique Maude .................................................................................... 17
2.3 Niveaux de Maude .......................................................................................... 17
2.3.1 Core Maude .............................................................................................. 17
2.3.2 Full Maude ............................................................................................... 19
2.4 Syntaxe du Langage Maude ............................................................................ 20
2.4.1 La Déclaration de Sort et Subsort ............................................................ 21
2.4.2 La Déclaration des Opérations ................................................................. 21
2.4.3 Les Variables ............................................................................................ 22
2.4.4 Importation de Modules ........................................................................... 22
2.5 Maude et Vérification de Modèles ................................................................... 23
2.5.1 LTL et Maude .......................................................................................... 23
2.5.2 Structure de Kripke et Logique de Réécriture .......................................... 24
2.5.3 Vérification de Modèles avec Mande ...................................................... 25
3 Real Time-Maude (RT-Maude) ............................................................................. 28
4 La plateforme Jade ................................................................................................. 33
4.1 Les comportements « Behaviours » en JADE................................................. 34
4.1.1 Les Behaviours simples ........................................................................... 36
4.1.2 Les Behaviours planifiés .......................................................................... 37
4.1.3 Les Behaviours Composés ....................................................................... 37
5. Langage de Modélisation AUML ........................................................................... 38
5.1 Présentation ..................................................................................................... 38
5.1.1 Définition d’UML .................................................................................... 38
5.1.2 Insuffisance d'UML .................................................................................. 39
5.2 AUML « Agent Unified Modeling Language » .............................................. 40
5.2.1 Définition d’AUML ................................................................................... 40
5.2.2 Les Diagrammes AUML .......................................................................... 40
6. Conclusion .............................................................................................................. 42
Chapitre 03 Formalisation du modèle Moise+ .......................................................... 43
1. Introduction ........................................................................................................... 43
2 Spécification formelle de Moise+ .......................................................................... 43
2.1 Architecture du Framework Proposé .............................................................. 44
3 Cas d’étude : Système de Gestion de Conférence (SGC) ...................................... 52
3.1 Description ........................................................................................................ 52
3.2 Décomposition selon Moise+ du Système de Gestion de Conférence ............ 54
3.2.1 La Spécification Structurelle ...................................................................... 54
3.2.2 La Spécification Fonctionnelle ................................................................ 55
3.3 Modélisation AUML du Système de Gestion de Conférence ......................... 57
3.3.1. Diagramme de class du Système de Gestion de Conférence .................... 57
3.3.2. Diagramme de cas d’utilisation du Système de Gestion de Conférence ... 58
3.3.3. Diagramme de Communication du Système de Gestion de Conférence . 59
3.3.4 Diagrammes d’état transition du Système de Gestion de Conférence ...... 59
3.3.5. Diagramme de Protocole du Système de Gestion de Conférence ............ 61
3.3.6. Diagrammes de Temps du Système de Gestion de Conférence ................ 63
3.4 Application du Processus de Translation ........................................................ 64
3.4.1. Translation................................................................................................. 64
3.4.2. Validation de la Description Générée ....................................................... 67
3.5 Vérification de la Description Générée ........................................................... 69
3.5.1. Propriétés du comportement individuel .................................................... 70
3.5.2. Vérification des propriétés ........................................................................ 72
3.6 Déploiement du Framework du Système de Gestion de Conférence sous JADE ........................... 74
3.6.1 Déploiement ............................................................................................. 75
4 Conclusion ............................................................................................................. 78
Conclusion & Perspectives ................................................................................................ 80
Bibliographie ........................................................................................
Côte titre : MAI/0253 En ligne : https://drive.google.com/file/d/1g_BmDE6IsalwmsWEzOI-ey1UtBbskGlC/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0253 MAI/0253 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : FORMES DIFFERENTIELLES Type de document : texte imprimé Auteurs : Rachida Gherieb, Auteur ; Krachni ,M, Directeur de thèse Editeur : Setif:UFA Année de publication : 2021 Importance : 1 vol (26 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Applications multilinéaires alternées Index. décimale : 510 - Mathématique Résumé :
Formes différentielles est l'une des définitions mathématiques les
plus importants pour l'étude des élèves de spéciales calcul
différentielle
Dans ce travail, on a présenté la définition d'une forme différentielle,
de le produit et la différentiation extérieure et le changement de
variable dans les formes différentielles.Côte titre : MAM/0535 En ligne : https://drive.google.com/file/d/1aOs-0R1POinz8w4F6L3-AjogXpQOLI9x/view?usp=shari [...] Format de la ressource électronique : FORMES DIFFERENTIELLES [texte imprimé] / Rachida Gherieb, Auteur ; Krachni ,M, Directeur de thèse . - [S.l.] : Setif:UFA, 2021 . - 1 vol (26 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Mathématique Mots-clés : Applications multilinéaires alternées Index. décimale : 510 - Mathématique Résumé :
Formes différentielles est l'une des définitions mathématiques les
plus importants pour l'étude des élèves de spéciales calcul
différentielle
Dans ce travail, on a présenté la définition d'une forme différentielle,
de le produit et la différentiation extérieure et le changement de
variable dans les formes différentielles.Côte titre : MAM/0535 En ligne : https://drive.google.com/file/d/1aOs-0R1POinz8w4F6L3-AjogXpQOLI9x/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAM/0535 MAM/0535 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Formulation de l’incertain dans le processus d’extraction des connaissances : Comparatif entre logique floue et possibiliste Type de document : texte imprimé Auteurs : Boussahel ,Ines, Auteur ; Mekroud,Noureddine, Directeur de thèse Editeur : Setif:UFA Année de publication : 2019 Importance : 1 vol (63 f .) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
Images d’expression génétique
Extraction de connaissances
Fouille de données,
Règles d'associations
Théorie des possibilités
Support et Confiance d'un ensembleIndex. décimale : 004 - Informatique Résumé : La bioinformatique est un domaine de recherche d’actualité, qui traite des données vitales et très volumineuses, mais souvent imprécises et / ou incertaines. Parmi les données étudiées par les biologistes on trouve les images d’expression génétique d’une espèce modèle, qui est dans notre travail l’embryon de l’espèce modèle «Edinburg Mouse». L'objectif de cette étude est d'extraire les règles des associations possibilistes à partir de ces séquences d’images de l'expression génique. Plusieurs opérations de prétraitement ont été effectuées afin de réduire la complexité de l'algorithme proposé. Notre étude consiste en une modification de l'algorithme initial d'Apriori en se basant sur la redéfinition de la méthode de calcul du support et ainsi que la confiance des règles extraites, en utilisant trois approches différentes : le t-norme, le t-conorme et le produit des degrés d'appartenance. Enfin, les règles des associations possibilistes seront extraites, suivi par une discussion sur leur qualité par rapport à celles d’un travail précédent basé sur des règles d'association floues. Note de contenu : Sommaire
Remerciements
Dédicaces
Listes de figures
Listes de tableaux
Introduction générale
1. Introduction .................................................................................................................................. 1
2. Définition de la bio-informatique ................................................................................................ 1
3. Historique de la Bio-informatique .............................................................................................. 3
4. But de La Bioinformatique .......................................................................................................... 4
5. Les domaines d’application de la bioinformatique ................................................................... 4
6. Théorie fondamentale de la biologie moléculaire ...................................................................... 5
7. Expression de l'information génétique ....................................................................................... 6
8. Les banques de données biologiques ........................................................................................... 8
8.1 Les banques généralistes ........................................................................................................ 9
8.1.1 Banques de séquences nucléotidiques ................................................................ 9
8.1.2 Banques de séquences protéiques ................................................................................. 9
8.1.3 Autres banques ............................................................................................................... 9
8.2 Banques spécialisées ........................................................................................................... 10
8.2.1 Banques thématiques .................................................................................................... 10
8.2.2 Banques génomiques ..................................................................................................... 10
8.3 Les séquences images d’expression génétique .................................................................. 10
9. L’imagerie in vivo des expressions génétiques........................................................................ 10
10. L’embryon de poisson zèbre, un puissant modèle in vivo ................................................... 11
11. L’imagerie in vivo de l’embryon de « Edinburgh Mouse » .................................................. 12
12. La base de données utilisée ...................................................................................................... 12
14. Conclusion ................................................................................................................................. 13
1. Introduction ................................................................................................................ 15
2. Extraction des connaissances à partir de données (ECD) ...................................................... 15
2.1 Définition de l’ECD ............................................................................................................. 15
2.2 Quelques notions de bases : Donnée, Information et Connaissance .............................. 16
2.2.1 Donnée ............................................................................................................. 16
2.2.2 L'information ................................................................................................................ 16
2.2.3 Connaissance................................................................................................................. 16
2.3 Les étapes d’un processus d’ECD ...................................................................................... 17
2
2.3.1 Nettoyage et intégration des données ........................................................ 17
2.3.2 Prétraitement des données ........................................................................................... 17
2.3.3 Fouille de données (Data Mining) ............................................................................... 17
2.3.4 L’interprétation et la validation ................................................................................. 18
3. Fouille de données (data mining) et ECD ................................................................................. 19
3.1 Définition .......................................................................................................... 19
3.2 Historique ........................................................................................................ 20
3.3 Les types (sous catégories) de Data Mining ............................................................ 20
3.4 Principales tâches de fouille de données ............................................................................ 20
4. La Classification .................................................................................... 22
4.1 Définition ....................................................................................................... 22
4.2 Mesures de la qualité d'une méthode de classification.................................................... 22
5. Segmentation (Clustering) ......................................................................................................... 24
6. Règles d’association .................................................................................................
27 6.1 Définition .......................................................................................................... 27
6.2 La recherche des règles d’association ................................................................................ 27
6.2.1 Support d’un item ........................................................................................................ 28
6.2.2 Support d’une règle d’association............................................................................... 28
6.2.3 Confiance d’une règle d’association ........................................................................... 28
6.3 Algorithme a priori (Agrawal et Srikant [1994]) .............................................................. 28
6.3.1 Fonctionnement ............................................................................................................ 28
6.3.2 Algorithme .................................................................................................................... 29
6.3.3 Exemple ......................................................................................................................... 30
6.3.4 Génération des règles ................................................................................................... 30
7. Conclusion ................................................................................................................................... 31
1. Introduction ................................................................................................................................ 33
2. Les données imparfaites............................................................................................................. 33
2.1 L’information imprécise ..................................................................................................... 34
2.2 L’information incomplète ................................................................................................... 34
2.3 L’information incertaine .................................................................................................... 35
2.4 L’inconsistance .................................................................................................................... 35
3. Les théories de l'incertain .......................................................................................................... 35
4. La théorie des probabilités ........................................................................................................ 36
4.1 Définition .............................................................................................................................. 36
4.2 Propriétés des probabilités ................................................................................................ 37
4.3 Différence entre statistiques et probabilités ...................................................................... 37
3
5. La logique floue .......................................................................................................................... 38
5.1 Logique classique et logique floue ...................................................................................... 38
5.2 Sous-ensembles flous ........................................................................................................... 39
5.2.1 Définition ....................................................................................................................... 40
5.2.2 L’univers de discoure ................................................................................................... 40
5.2.3 Les variables linguistiques ........................................................................................... 40
5.2.4 Fonction d’appartenance ............................................................................................. 41
5.2.5 Caractéristique d’un sous-ensemble floue ................................................................. 41
5.2.6 Operations sur les ensembles flous ............................................................................. 42
5.2.7 Les normes triangulaires ............................................................................................. 43
6. La théorie des possibilités .......................................................................................................... 44
6.1 Définition .............................................................................................................................. 44
6.2 Mesures de : possibilité et nécessité et de confiance ......................................................... 45
6.2.1 Mesure de confiance ..................................................................................................... 45
6.2.2 Mesure de possibilité .................................................................................................... 45
6.2.3 Mesure de nécessité ...................................................................................................... 46
6.3 Distribution de possibilités.................................................................................................. 46
6.3.1 Définition ....................................................................................................................... 46
7. La théorie des croyances ............................................................................................................ 47
8. Les règles d’association floues ................................................................................................... 47
8.1 Définition d’une règle d’association floue ......................................................................... 48
8.2 Mesures de qualité des Item sets flous ............................................................................... 49
8.2.1 Le degré d’un Item set (X, A) ...................................................................................... 49
8.2.2 Cardinalité d’un sous-ensemble flou ( comptage seuillée) ................................ 50
8.2.3 Le support et la confiance d’une règle d’association floue ....................................... 51
9. Modélisation proposée ............................................................................................................... 56
10. Conclusion ................................................................................................................................. 57
1. Introduction ............................................................................................................................ 59
2. Environnement logiciel .......................................................................................................... 59
3. L’approche proposée.............................................................................................................. 60
3.1 Présentation générale .......................................................................................................... 60
3.2 Contribution ........................................................................................................................ 62
3.3 Prétraitement ....................................................................................................................... 62
3.3.1 Redimensionner ............................................................................................................ 63
3.3.2 Indexation ...................................................................................................................... 63
Côte titre : MAI/0324 En ligne : https://drive.google.com/file/d/19CP6ndqJAOrTVRr1HD1KsxejGBRakvia/view?usp=shari [...] Format de la ressource électronique : Formulation de l’incertain dans le processus d’extraction des connaissances : Comparatif entre logique floue et possibiliste [texte imprimé] / Boussahel ,Ines, Auteur ; Mekroud,Noureddine, Directeur de thèse . - [S.l.] : Setif:UFA, 2019 . - 1 vol (63 f .) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Informatique Mots-clés : Bioinformatique
Images d’expression génétique
Extraction de connaissances
Fouille de données,
Règles d'associations
Théorie des possibilités
Support et Confiance d'un ensembleIndex. décimale : 004 - Informatique Résumé : La bioinformatique est un domaine de recherche d’actualité, qui traite des données vitales et très volumineuses, mais souvent imprécises et / ou incertaines. Parmi les données étudiées par les biologistes on trouve les images d’expression génétique d’une espèce modèle, qui est dans notre travail l’embryon de l’espèce modèle «Edinburg Mouse». L'objectif de cette étude est d'extraire les règles des associations possibilistes à partir de ces séquences d’images de l'expression génique. Plusieurs opérations de prétraitement ont été effectuées afin de réduire la complexité de l'algorithme proposé. Notre étude consiste en une modification de l'algorithme initial d'Apriori en se basant sur la redéfinition de la méthode de calcul du support et ainsi que la confiance des règles extraites, en utilisant trois approches différentes : le t-norme, le t-conorme et le produit des degrés d'appartenance. Enfin, les règles des associations possibilistes seront extraites, suivi par une discussion sur leur qualité par rapport à celles d’un travail précédent basé sur des règles d'association floues. Note de contenu : Sommaire
Remerciements
Dédicaces
Listes de figures
Listes de tableaux
Introduction générale
1. Introduction .................................................................................................................................. 1
2. Définition de la bio-informatique ................................................................................................ 1
3. Historique de la Bio-informatique .............................................................................................. 3
4. But de La Bioinformatique .......................................................................................................... 4
5. Les domaines d’application de la bioinformatique ................................................................... 4
6. Théorie fondamentale de la biologie moléculaire ...................................................................... 5
7. Expression de l'information génétique ....................................................................................... 6
8. Les banques de données biologiques ........................................................................................... 8
8.1 Les banques généralistes ........................................................................................................ 9
8.1.1 Banques de séquences nucléotidiques ................................................................ 9
8.1.2 Banques de séquences protéiques ................................................................................. 9
8.1.3 Autres banques ............................................................................................................... 9
8.2 Banques spécialisées ........................................................................................................... 10
8.2.1 Banques thématiques .................................................................................................... 10
8.2.2 Banques génomiques ..................................................................................................... 10
8.3 Les séquences images d’expression génétique .................................................................. 10
9. L’imagerie in vivo des expressions génétiques........................................................................ 10
10. L’embryon de poisson zèbre, un puissant modèle in vivo ................................................... 11
11. L’imagerie in vivo de l’embryon de « Edinburgh Mouse » .................................................. 12
12. La base de données utilisée ...................................................................................................... 12
14. Conclusion ................................................................................................................................. 13
1. Introduction ................................................................................................................ 15
2. Extraction des connaissances à partir de données (ECD) ...................................................... 15
2.1 Définition de l’ECD ............................................................................................................. 15
2.2 Quelques notions de bases : Donnée, Information et Connaissance .............................. 16
2.2.1 Donnée ............................................................................................................. 16
2.2.2 L'information ................................................................................................................ 16
2.2.3 Connaissance................................................................................................................. 16
2.3 Les étapes d’un processus d’ECD ...................................................................................... 17
2
2.3.1 Nettoyage et intégration des données ........................................................ 17
2.3.2 Prétraitement des données ........................................................................................... 17
2.3.3 Fouille de données (Data Mining) ............................................................................... 17
2.3.4 L’interprétation et la validation ................................................................................. 18
3. Fouille de données (data mining) et ECD ................................................................................. 19
3.1 Définition .......................................................................................................... 19
3.2 Historique ........................................................................................................ 20
3.3 Les types (sous catégories) de Data Mining ............................................................ 20
3.4 Principales tâches de fouille de données ............................................................................ 20
4. La Classification .................................................................................... 22
4.1 Définition ....................................................................................................... 22
4.2 Mesures de la qualité d'une méthode de classification.................................................... 22
5. Segmentation (Clustering) ......................................................................................................... 24
6. Règles d’association .................................................................................................
27 6.1 Définition .......................................................................................................... 27
6.2 La recherche des règles d’association ................................................................................ 27
6.2.1 Support d’un item ........................................................................................................ 28
6.2.2 Support d’une règle d’association............................................................................... 28
6.2.3 Confiance d’une règle d’association ........................................................................... 28
6.3 Algorithme a priori (Agrawal et Srikant [1994]) .............................................................. 28
6.3.1 Fonctionnement ............................................................................................................ 28
6.3.2 Algorithme .................................................................................................................... 29
6.3.3 Exemple ......................................................................................................................... 30
6.3.4 Génération des règles ................................................................................................... 30
7. Conclusion ................................................................................................................................... 31
1. Introduction ................................................................................................................................ 33
2. Les données imparfaites............................................................................................................. 33
2.1 L’information imprécise ..................................................................................................... 34
2.2 L’information incomplète ................................................................................................... 34
2.3 L’information incertaine .................................................................................................... 35
2.4 L’inconsistance .................................................................................................................... 35
3. Les théories de l'incertain .......................................................................................................... 35
4. La théorie des probabilités ........................................................................................................ 36
4.1 Définition .............................................................................................................................. 36
4.2 Propriétés des probabilités ................................................................................................ 37
4.3 Différence entre statistiques et probabilités ...................................................................... 37
3
5. La logique floue .......................................................................................................................... 38
5.1 Logique classique et logique floue ...................................................................................... 38
5.2 Sous-ensembles flous ........................................................................................................... 39
5.2.1 Définition ....................................................................................................................... 40
5.2.2 L’univers de discoure ................................................................................................... 40
5.2.3 Les variables linguistiques ........................................................................................... 40
5.2.4 Fonction d’appartenance ............................................................................................. 41
5.2.5 Caractéristique d’un sous-ensemble floue ................................................................. 41
5.2.6 Operations sur les ensembles flous ............................................................................. 42
5.2.7 Les normes triangulaires ............................................................................................. 43
6. La théorie des possibilités .......................................................................................................... 44
6.1 Définition .............................................................................................................................. 44
6.2 Mesures de : possibilité et nécessité et de confiance ......................................................... 45
6.2.1 Mesure de confiance ..................................................................................................... 45
6.2.2 Mesure de possibilité .................................................................................................... 45
6.2.3 Mesure de nécessité ...................................................................................................... 46
6.3 Distribution de possibilités.................................................................................................. 46
6.3.1 Définition ....................................................................................................................... 46
7. La théorie des croyances ............................................................................................................ 47
8. Les règles d’association floues ................................................................................................... 47
8.1 Définition d’une règle d’association floue ......................................................................... 48
8.2 Mesures de qualité des Item sets flous ............................................................................... 49
8.2.1 Le degré d’un Item set (X, A) ...................................................................................... 49
8.2.2 Cardinalité d’un sous-ensemble flou ( comptage seuillée) ................................ 50
8.2.3 Le support et la confiance d’une règle d’association floue ....................................... 51
9. Modélisation proposée ............................................................................................................... 56
10. Conclusion ................................................................................................................................. 57
1. Introduction ............................................................................................................................ 59
2. Environnement logiciel .......................................................................................................... 59
3. L’approche proposée.............................................................................................................. 60
3.1 Présentation générale .......................................................................................................... 60
3.2 Contribution ........................................................................................................................ 62
3.3 Prétraitement ....................................................................................................................... 62
3.3.1 Redimensionner ............................................................................................................ 63
3.3.2 Indexation ...................................................................................................................... 63
Côte titre : MAI/0324 En ligne : https://drive.google.com/file/d/19CP6ndqJAOrTVRr1HD1KsxejGBRakvia/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAI/0324 MAI/0324 Mémoire Bibliothéque des sciences Français Disponible
DisponibleFormule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV / Sabrina Douma
Titre : Formule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV Type de document : texte imprimé Auteurs : Sabrina Douma, Auteur ; Naima Amrani, Directeur de thèse Editeur : Setif:UFA Année de publication : 2020 Importance : 1 vol (50 f.) Format : 29 cm Langues : Français (fre) Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans ce travail, nous avons proposé une formule empirique pour le calcul rapide
de la section efficace de réaction (n, α) à une énergie neutronique de 14.5 MeV.
La formule empirique suggérée a été comparée à d'autres formules empiriques
afin d'avoir une idée de sa précision. À partir de cette comparaison, nous avons
conclu que notre formule empirique suggérée pour le calcul de la section
efficace de réaction (n, α) à 14.5 MeV d'énergie neutronique correspond mieux
aux 15 données expérimentales de 39 ≤A≤ 200 utilisées par rapport aux autres
formules; de plus, notre formule est relativement simple mais plus précise.Côte titre : MAPH/0398 En ligne : https://drive.google.com/file/d/1opga5wLQdctG_4Oc_dbgfjYo7xcxBASz/view?usp=shari [...] Format de la ressource électronique : Formule empirique pour le calcul des sections efficaces des réactions (n, α) à 14.5 MeV [texte imprimé] / Sabrina Douma, Auteur ; Naima Amrani, Directeur de thèse . - [S.l.] : Setif:UFA, 2020 . - 1 vol (50 f.) ; 29 cm.
Langues : Français (fre)
Catégories : Thèses & Mémoires:Physique Index. décimale : 530 - Physique Résumé :
Dans ce travail, nous avons proposé une formule empirique pour le calcul rapide
de la section efficace de réaction (n, α) à une énergie neutronique de 14.5 MeV.
La formule empirique suggérée a été comparée à d'autres formules empiriques
afin d'avoir une idée de sa précision. À partir de cette comparaison, nous avons
conclu que notre formule empirique suggérée pour le calcul de la section
efficace de réaction (n, α) à 14.5 MeV d'énergie neutronique correspond mieux
aux 15 données expérimentales de 39 ≤A≤ 200 utilisées par rapport aux autres
formules; de plus, notre formule est relativement simple mais plus précise.Côte titre : MAPH/0398 En ligne : https://drive.google.com/file/d/1opga5wLQdctG_4Oc_dbgfjYo7xcxBASz/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité MAPH/0398 MAPH/0398 Mémoire Bibliothéque des sciences Français Disponible
Disponible
Titre : Fouille de données basée algorithmes bio-inspirés Type de document : texte imprimé Auteurs : ZOUACHE, Djaafar, Auteur ; Abdelouahab Moussaoui, Directeur de thèse Editeur : Setif:UFA Année de publication : 2016 Importance : 1 vol (98 f .) Format : 29 cm Catégories : Informatique Mots-clés : Fouille de données Informatique quantique algorithme de luciole Optimisation par essaime de particules Sélection d’attributs Problème
d’optimisation discrète Problème du sac à dosRésumé : Résumé
L’extraction de connaissances dans les bases de données, également appelé
“data mining”, désigne le processus de découverte des informations et des
connaissances utiles, nouvelles et compréhensibles à partir d’une base de
données de grande taille, d’un entrepôt de données ou d’autres bases. La
majorité des problèmes d’extraction de connaissances peuvent s’exprimer comme
des problèmes d’optimisation combinatoire. Par conséquent, nous avons besoin
d’une approche fondamentale différente des approches d’extraction exactes
classiques. Cette approche est basée sur l’inspiration des idées et des intuitions à
partir de la nature et de la vie (biologique, physique, etc.) pour résoudre les
problèmes d’extraction de connaissances.
Notre contribution est faite en deux phases : La première phase consiste à
concevoir des méta-heuristiques bio-inspirés pour résoudre des problèmes
d’optimisation combinatoire d’une manière générale et la deuxième phase
consiste à réaliser et d’appliquer ces méta-heuristiques proposées aux problèmes
d’extraction de connaissances.
Dans la première phase, nous avons proposé deux algorithmes bio-inspirés,
le premier algorithme appelé QDEPSO hybride entre le DE et le PSO. Le
deuxième algorithme appelé QIFAPSO fait coopérer le firefly algorithm et le
PSO. Les deux algorithmes utilisent les concepts de l’informatique quantique.
Dans la deuxième phase, nous avons appliqué l’algorithme QIFAPSO pour
résoudre le problème de la sélection d’attributs.
Une évaluation expérimentale approfondie sur les différents jeux de
données disponibles dans la littérature montre que les algorithmes développés
sont performants et concurrents en terme de qualité de solutions comparant avec
d’autres algorithmes qu’ont été développés pour résoudre des problèmes
d’optimisation combinatoire ou bien dans la résolution de problème de la
sélection d’attributs.
Note de contenu : Contents
1 Introduction 1
1.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Data mining and optimization . . . . . . . . . . . . . . . . . . 1
1.1.2 Metaheuristics methods for discrete optimization . . . . . . . 2
1.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Majors contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Academic publications and communication produced . . . . . . . . 8
2 Bio-inspired algorithms for feature selection in classification 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Bio-inspired algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Quantum inspired computation . . . . . . . . . . . . . . . . . 10
2.2.2 Particle swarm optimization method . . . . . . . . . . . . . . . 11
2.2.3 Differential Evolution . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.4 Firefly algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Feature selection process . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Classification of feature selection approaches . . . . . . . . . 17
2.4 Entropy, mutual information . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Basic notions on Rough set theory . . . . . . . . . . . . . . . . . . . . 19
2.6 Background of approaches for feature selection . . . . . . . . . . . . . 21
2.6.1 Mutual information based approach . . . . . . . . . . . . . . . 21
2.6.2 Rough set based approaches . . . . . . . . . . . . . . . . . . . 21
2.6.3 Metaheuristics approaches based on rough set for feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 QDEPSO for Knapsack Problem 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Knapsack Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Binary representation of items selection . . . . . . . . . . . . . 29
3.3.2 Quantum representation . . . . . . . . . . . . . . . . . . . . . . 29
3.3.3 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Quantum observation . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.5 Mutation operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.6 Crossover operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.7 Selection operation . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.8 Quantum rotation gate . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.9 Adaptation of the PSO formula . . . . . . . . . . . . . . . . . . 32
3.3.10 Outlines of QDEPSO algorithm . . . . . . . . . . . . . . . . . 33
3.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 QIFAPSO for discrete optimization problems 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 0–1 multidimensional knapsack problem: overview and related work 44
4.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Binary representation of fireflies . . . . . . . . . . . . . . . . . 46
4.3.2 Quantum representation of fireflies . . . . . . . . . . . . . . . 48
4.3.3 Initialization of quantum fireflies’ population . . . . . . . . . 48
4.3.4 Quantum measure . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.5 Distance between two binary fireflies . . . . . . . . . . . . . . 49
4.3.6 Quantum movement according to the firefly algorithm strategy 51
4.3.7 Quantum movement according to the PSO strategy . . . . . . 53
4.3.8 QIFAPSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 0-1 Simple Knapsack Problem . . . . . . . . . . . . . . . . . . . 54
4.4.2 Multidimensional Knapsack Problem . . . . . . . . . . . . . . 56
4.5 Conclusion and perspectives . . . . . . . . . . . . . . . . . . . . . . . 65
5 Quantum inspired firefly algorithm for feature selection 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 QIFAPSO for feature selection . . . . . . . . . . . . . . . . . . . . . . . 68
5.2.1 Quantum representation for feature selection . . . . . . . . . . 68
5.2.2 Construction of feasible solution by Quantum observation . . 69
5.2.3 Fitness function . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 The distance and attractiveness between two fireflies’ solutions 70
5.2.5 Quantum movements for updating the fireflies’ solutions . . 72
5.3 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6 Conclusions and Future works 83
6.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Future works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliography 87Côte titre : DI/0020 En ligne : https://drive.google.com/file/d/1asHbMhrknzzhu9MJtNiU_6GXXLNbKEdc/view?usp=shari [...] Format de la ressource électronique : Fouille de données basée algorithmes bio-inspirés [texte imprimé] / ZOUACHE, Djaafar, Auteur ; Abdelouahab Moussaoui, Directeur de thèse . - [S.l.] : Setif:UFA, 2016 . - 1 vol (98 f .) ; 29 cm.
Catégories : Informatique Mots-clés : Fouille de données Informatique quantique algorithme de luciole Optimisation par essaime de particules Sélection d’attributs Problème
d’optimisation discrète Problème du sac à dosRésumé : Résumé
L’extraction de connaissances dans les bases de données, également appelé
“data mining”, désigne le processus de découverte des informations et des
connaissances utiles, nouvelles et compréhensibles à partir d’une base de
données de grande taille, d’un entrepôt de données ou d’autres bases. La
majorité des problèmes d’extraction de connaissances peuvent s’exprimer comme
des problèmes d’optimisation combinatoire. Par conséquent, nous avons besoin
d’une approche fondamentale différente des approches d’extraction exactes
classiques. Cette approche est basée sur l’inspiration des idées et des intuitions à
partir de la nature et de la vie (biologique, physique, etc.) pour résoudre les
problèmes d’extraction de connaissances.
Notre contribution est faite en deux phases : La première phase consiste à
concevoir des méta-heuristiques bio-inspirés pour résoudre des problèmes
d’optimisation combinatoire d’une manière générale et la deuxième phase
consiste à réaliser et d’appliquer ces méta-heuristiques proposées aux problèmes
d’extraction de connaissances.
Dans la première phase, nous avons proposé deux algorithmes bio-inspirés,
le premier algorithme appelé QDEPSO hybride entre le DE et le PSO. Le
deuxième algorithme appelé QIFAPSO fait coopérer le firefly algorithm et le
PSO. Les deux algorithmes utilisent les concepts de l’informatique quantique.
Dans la deuxième phase, nous avons appliqué l’algorithme QIFAPSO pour
résoudre le problème de la sélection d’attributs.
Une évaluation expérimentale approfondie sur les différents jeux de
données disponibles dans la littérature montre que les algorithmes développés
sont performants et concurrents en terme de qualité de solutions comparant avec
d’autres algorithmes qu’ont été développés pour résoudre des problèmes
d’optimisation combinatoire ou bien dans la résolution de problème de la
sélection d’attributs.
Note de contenu : Contents
1 Introduction 1
1.1 Overview . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Data mining and optimization . . . . . . . . . . . . . . . . . . 1
1.1.2 Metaheuristics methods for discrete optimization . . . . . . . 2
1.2 Motivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Majors contributions . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Thesis organization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.5 Academic publications and communication produced . . . . . . . . 8
2 Bio-inspired algorithms for feature selection in classification 9
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Bio-inspired algorithms . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Quantum inspired computation . . . . . . . . . . . . . . . . . 10
2.2.2 Particle swarm optimization method . . . . . . . . . . . . . . . 11
2.2.3 Differential Evolution . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.4 Firefly algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 14
2.3 Feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.1 Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
2.3.2 Feature selection process . . . . . . . . . . . . . . . . . . . . . . 16
2.3.3 Classification of feature selection approaches . . . . . . . . . 17
2.4 Entropy, mutual information . . . . . . . . . . . . . . . . . . . . . . . 17
2.5 Basic notions on Rough set theory . . . . . . . . . . . . . . . . . . . . 19
2.6 Background of approaches for feature selection . . . . . . . . . . . . . 21
2.6.1 Mutual information based approach . . . . . . . . . . . . . . . 21
2.6.2 Rough set based approaches . . . . . . . . . . . . . . . . . . . 21
2.6.3 Metaheuristics approaches based on rough set for feature selection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
2.7 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3 QDEPSO for Knapsack Problem 25
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
3.2 Knapsack Problem . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.3.1 Binary representation of items selection . . . . . . . . . . . . . 29
3.3.2 Quantum representation . . . . . . . . . . . . . . . . . . . . . . 29
3.3.3 Initialization . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.4 Quantum observation . . . . . . . . . . . . . . . . . . . . . . . 30
3.3.5 Mutation operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.6 Crossover operation . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.7 Selection operation . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3.8 Quantum rotation gate . . . . . . . . . . . . . . . . . . . . . . . 32
3.3.9 Adaptation of the PSO formula . . . . . . . . . . . . . . . . . . 32
3.3.10 Outlines of QDEPSO algorithm . . . . . . . . . . . . . . . . . 33
3.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
3.5 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
4 QIFAPSO for discrete optimization problems 43
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 0–1 multidimensional knapsack problem: overview and related work 44
4.3 The proposed algorithm . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.3.1 Binary representation of fireflies . . . . . . . . . . . . . . . . . 46
4.3.2 Quantum representation of fireflies . . . . . . . . . . . . . . . 48
4.3.3 Initialization of quantum fireflies’ population . . . . . . . . . 48
4.3.4 Quantum measure . . . . . . . . . . . . . . . . . . . . . . . . . 49
4.3.5 Distance between two binary fireflies . . . . . . . . . . . . . . 49
4.3.6 Quantum movement according to the firefly algorithm strategy 51
4.3.7 Quantum movement according to the PSO strategy . . . . . . 53
4.3.8 QIFAPSO algorithm . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
4.4.1 0-1 Simple Knapsack Problem . . . . . . . . . . . . . . . . . . . 54
4.4.2 Multidimensional Knapsack Problem . . . . . . . . . . . . . . 56
4.5 Conclusion and perspectives . . . . . . . . . . . . . . . . . . . . . . . 65
5 Quantum inspired firefly algorithm for feature selection 67
5.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
5.2 QIFAPSO for feature selection . . . . . . . . . . . . . . . . . . . . . . . 68
5.2.1 Quantum representation for feature selection . . . . . . . . . . 68
5.2.2 Construction of feasible solution by Quantum observation . . 69
5.2.3 Fitness function . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
5.2.4 The distance and attractiveness between two fireflies’ solutions 70
5.2.5 Quantum movements for updating the fireflies’ solutions . . 72
5.3 Experimental results . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
5.4 Chapter summary . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
6 Conclusions and Future works 83
6.1 Conclusions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
6.2 Future works . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliography 87Côte titre : DI/0020 En ligne : https://drive.google.com/file/d/1asHbMhrknzzhu9MJtNiU_6GXXLNbKEdc/view?usp=shari [...] Format de la ressource électronique : Exemplaires (1)
Code-barres Cote Support Localisation Section Disponibilité DI/0020 DI/0020 Thèse Bibliothéque des sciences Français Disponible
DisponibleFowler-Nordheim Current and Surface Potential in MOS Structures Classical and Quantum Approximations / Benimeur,Houda
PermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkPermalinkGénéralisation d'une méthode de trajectoire centrale de points intérieurs pour la programmation semi- définie / Kettab.Samia
PermalinkGenerating Arabic Calligraphy using Generative Adversarial Networks (GANs) / Hadj Azze, Yousra Chahinez
Permalink