Discussion :

[karas.uchiwa]

Bonjour,

J'ai un problème qui se résout très bien par des méthodes d'optimisation. Cependant je ne veux pas une solution au problème mais un ensemble de solution qui répond aux contraintes matérialisées par une fonction fitness et aussi qui soit le plus disparate aussi selon une fonction différente(Sx,Sy...Sn).

Je pensai utilisé les GAs. Je connais la technique de la fonction fitness pour évaluer la qualité de la solution mais je ne vois pas comment faire pour implémenter une diversité dans l'ensemble. Car le principe dans le GA est de faire converger l'ensemble de solution justement.

Merci de votre aide.

[Nemerle]

Tout le problème est de définir précisément ta notion de "solution différente". Une fois quantifiée, tu peux alors ajouter un ou des contraintes à ton optimisation, en faisant varier les paramètres de contrainte et en lançant à chaque fois une optimisation par exemple.

[Bucketpc]

Bonjour,

La diversification des solutions est un sérieux problème. Il existe des améliorations des algorithmes génétiques qui parlent rien que sur ça, par exemple on trouve les algorithmes mémétique qui se base sur le principe des algorithmes génétique et la recherche locale.

Pour résoudre ton problème, y a pas mieux de voir ces méthodes là. Sinon vous pouvez toujours comparer la distance entre les solutions , générer des solutions aléatoire, ensuite les comparer avec ce qu'il existe. Si elles sont loin, alors le système est diverse.