Stochastic stability analysis of Artificial Bee colony algorithm / Assia Bendaoud  

Public ISBD Titre : Stochastic stability analysis of Artificial Bee colony algorithm Type de document : texte imprimé Auteurs : Assia Bendaoud, Auteur ; Racha Rouba, Auteur ; Ihcene Naas, Directeur de thèse Editeur : Sétif:UFS Année de publication : 2023 Importance : 1 vol (31 f.) Format : 29 cm Langues : Anglais (eng) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Problème d’optimisation  Métaheuristique Algorithme de Colonie d’abeilles artificielles Stabilité stochastique Problème potentiel de Lennard-Jones. Index. décimale : 510-Mathématique Résumé : Il existe des nombreux problèmes réels qui ont été formulés comme des problèmes d’optimisation difficiles auxquels les méthodes d’optimisation classiques ont échoué à résoudre. Cela a conduit à l’émergence d’une nouvelle famille d’algorithmes appelés métaheuristiques. Cependant, il est crucial d’analyser la stabilité des métaheuristiques afin de mieux comprendre leur fonctionnement, de déterminer les domaines de stabilité à imposer sur leurs paramètres de contrôle et, par conséquent, d’améliorer leurs performances. Ce travail porte sur la modélisation et l’analyse de stabilité de l’un des algorithmes les plus connus : l’algorithme de colonie d’abeilles artificielles (ABC). Cet algorithme simule le comportement de butinage des abeilles naturelles. L’idée de base de cette méthode consiste à créer un système d’abeilles artificielles qui collaborent les unes avec les autres afin de résoudre des problèmes complexes d’optimisation. L’algorithme est modélisé par un processus itératif matriciel, et des conditions de stabilité aléatoires sont atteintes et utilisées pour améliorer le paramétrage de cet algorithme. Une simulation a été réalisée sur le problème potentiel de Lennard-Jones pour valider nos résultats théoriques = Many real-world problems have been formulated as hard optimization problems that classical optimization methods have failed to solve them. This has led to the emergence of a new family of algorithms called metaheuristics. However, it is crucial to analyze the stability of metaheuristics to better understand how they work, determine the stability domains to impose on their control parameters, and consequently, improve their performance. This work focuses on the modeling and stability analysis of one of the well-known metaheuristics algorithms: the Artificial Bee Colony (ABC) algorithm. This algorithm simulates the foraging behavior of bees in nature. The basic idea behind this method is to create a system of artificial bees that collaborate with each other to solve complex optimization problems. The algorithm is modeled by an iterative matrix process, and stochastic stability conditions are reached and used to improve the algorithm’s parameterization. A simulation was carried out on the potential Lennard-Jones problem to validate our theoretical results. Côte titre : MAM/0670 En ligne : https://drive.google.com/file/d/15oSDfxnyBBr6hmIYTkHYhAqsKC3re9pt/view?usp=drive [...] Format de la ressource électronique : pdf Stochastic stability analysis of Artificial Bee colony algorithm [texte imprimé] / Assia Bendaoud, Auteur ; Racha Rouba, Auteur ; Ihcene Naas, Directeur de thèse . - [S.l.] : Sétif:UFS, 2023 . - 1 vol (31 f.) ; 29 cm. Langues : Anglais (eng) Catégories : Thèses & Mémoires:Mathématique Mots-clés : Problème d’optimisation  Métaheuristique Algorithme de Colonie d’abeilles artificielles Stabilité stochastique Problème potentiel de Lennard-Jones. Index. décimale : 510-Mathématique Résumé : Il existe des nombreux problèmes réels qui ont été formulés comme des problèmes d’optimisation difficiles auxquels les méthodes d’optimisation classiques ont échoué à résoudre. Cela a conduit à l’émergence d’une nouvelle famille d’algorithmes appelés métaheuristiques. Cependant, il est crucial d’analyser la stabilité des métaheuristiques afin de mieux comprendre leur fonctionnement, de déterminer les domaines de stabilité à imposer sur leurs paramètres de contrôle et, par conséquent, d’améliorer leurs performances. Ce travail porte sur la modélisation et l’analyse de stabilité de l’un des algorithmes les plus connus : l’algorithme de colonie d’abeilles artificielles (ABC). Cet algorithme simule le comportement de butinage des abeilles naturelles. L’idée de base de cette méthode consiste à créer un système d’abeilles artificielles qui collaborent les unes avec les autres afin de résoudre des problèmes complexes d’optimisation. L’algorithme est modélisé par un processus itératif matriciel, et des conditions de stabilité aléatoires sont atteintes et utilisées pour améliorer le paramétrage de cet algorithme. Une simulation a été réalisée sur le problème potentiel de Lennard-Jones pour valider nos résultats théoriques = Many real-world problems have been formulated as hard optimization problems that classical optimization methods have failed to solve them. This has led to the emergence of a new family of algorithms called metaheuristics. However, it is crucial to analyze the stability of metaheuristics to better understand how they work, determine the stability domains to impose on their control parameters, and consequently, improve their performance. This work focuses on the modeling and stability analysis of one of the well-known metaheuristics algorithms: the Artificial Bee Colony (ABC) algorithm. This algorithm simulates the foraging behavior of bees in nature. The basic idea behind this method is to create a system of artificial bees that collaborate with each other to solve complex optimization problems. The algorithm is modeled by an iterative matrix process, and stochastic stability conditions are reached and used to improve the algorithm’s parameterization. A simulation was carried out on the potential Lennard-Jones problem to validate our theoretical results. Côte titre : MAM/0670 En ligne : https://drive.google.com/file/d/15oSDfxnyBBr6hmIYTkHYhAqsKC3re9pt/view?usp=drive [...] Format de la ressource électronique : pdf

Exemplaires (1)

Code-barres	Cote	Support	Localisation	Section	Disponibilité
MAM/0670	MAM/0670	Mémoire	Bibliothéque des sciences	Anglais	Disponible Disponible

---

1 (1 - 1 / 1)