Hybridation Des Algorithmes Evolutionnaires Multiobjectifs

Les Algorithmes Evolutionnaires (AEs) reprsentent une famille d'algorithmes fonds sur la thorie Darwinienne. Ils font voluer une population d'individus vers l'optimum d'une fonction. Ils sont caractriss par leur capacit de diriger la recherche vers les zones prometteuses. Cependant, ces mtaheuristiques possdent quelques faiblesses. Une faon de les surmonter est de combiner ces AEs avec d'autres mthodes de recherche, ce phnomne est appel l'hybridation. La plus connue est l'hybridation avec les mthodes de recherche locale (RL) qui ont la capacit dtecter les optima locaux. Le rsultat d'une telle hybridation est appel Algorithme Mmtique (AM). Plusieurs AMs ont montr de trs bons rsultats dans la rsolution de problmes rels dans un cadre mono-objectif. C'est pour cette raison, la communaut scientifique a opt vers le dveloppement d'AMs pour le cadre multi-objectif. La plupart des AMs multi-objectifs visent la rsolution des problmes rels plutt que le dveloppement du cadre conceptuel de tels algorithmes. Dans ce travail, nous prsentons les problmes de conception des AMs multi-objectifs. Ainsi, nous dveloppons un AM multi-objectif (PHC-NSGA-II)