Catégorie
Optimisation (mathématiques)
Concepts associés (37)
Optimisation multiobjectif
L'optimisation multiobjectif (appelée aussi Programmation multi-objective ou optimisation multi-critère) est une branche de l'optimisation mathématique traitant spécifiquement des problèmes d'optimisation ayant plusieurs fonctions objectifs. Elle se distingue de l'optimisation multidisciplinaire par le fait que les objectifs à optimiser portent ici sur un seul problème. Les problèmes multiobjectifs ont un intérêt grandissant dans l'industrie où les responsables sont contraints de tenter d'optimiser des objectifs contradictoires.
Optimisation topologique
L'optimisation topologique est une méthode mathématique (et logicielle) qui permet de trouver la répartition de matière optimale dans un volume donné soumis à des contraintes. Elle se distingue notamment de l'optimisation de forme qui ne fait varier que la frontière de la pièce, qu'il faut avoir dessinée au départ. Les méthodes d'optimisation topologiques connues à ce jour permettent d'optimiser la résistance élastico-mécanique, la conductivité thermique ou certains problèmes d'écoulement fluide.
Gene expression programming
In computer programming, gene expression programming (GEP) is an evolutionary algorithm that creates computer programs or models. These computer programs are complex tree structures that learn and adapt by changing their sizes, shapes, and composition, much like a living organism. And like living organisms, the computer programs of GEP are also encoded in simple linear chromosomes of fixed length. Thus, GEP is a genotype–phenotype system, benefiting from a simple genome to keep and transmit the genetic information and a complex phenotype to explore the environment and adapt to it.
Programmation génétique
La programmation génétique est une méthode automatique inspirée par le mécanisme de la sélection naturelle tel qu'il a été établi par Charles Darwin pour expliquer l'adaptation plus ou moins optimale des organismes à leur milieu. Elle a pour but de trouver par approximations successives des programmes répondant au mieux à une tâche donnée. On nomme programmation génétique une technique permettant à un programme informatique d'apprendre, par un algorithme évolutionniste, à optimiser peu à peu une population d'autres programmes pour augmenter leur degré d'adaptation (fitness) à réaliser une tâche demandée par un utilisateur.
No free lunch in search and optimization
In computational complexity and optimization the no free lunch theorem is a result that states that for certain types of mathematical problems, the computational cost of finding a solution, averaged over all problems in the class, is the same for any solution method. The name alludes to the saying "no such thing as a free lunch", that is, no method offers a "short cut". This is under the assumption that the search space is a probability density function. It does not apply to the case where the search space has underlying structure (e.
Ansatz
Ansatz (de l'allemand, signifiant « début », « naissance », « racine » ; au pluriel Ansätze) est un terme parfois utilisé par les physiciens et les mathématiciens pour décrire l'établissement d'une équation (ou de plusieurs équations) décrivant un problème mathématique ou physique. Il peut prendre en considération les conditions aux limites. Après qu'un ansatz a été établi, les équations sont résolues pour la fonction générale d'intérêt.
Intelligence computationnelle
Lintelligence computationnelle (IC) est un domaine scientifique. Il n'existe pas de définition admise par tous les auteurs, mais c'est un domaine lié à l'intelligence artificielle. Parmi les méthodes utilisées dans ce domaine, la plupart des auteurs comptent les heuristiques, la logique floue, les réseaux de neurones et les algorithmes évolutionnistes. Il n'existe pas de définition majoritaire pour « intelligence computationnelle ». En particulier son lien avec l'intelligence artificielle n'est pas le même pour tous les auteurs.
Système immunitaire artificiel
Un système immunitaire artificiel (SIA) est une catégorie d'algorithme inspirée par les principes et le fonctionnement du système immunitaire naturel (SIN) des vertébrés. Ces algorithmes exploitent typiquement les caractéristiques du système immunitaire pour ce qui est de l'apprentissage et de la mémorisation comme moyens de résolution de problèmes. Les fonctionnements simulés dans les SIA comprennent la reconnaissance de motifs, l'hypermutation, la sélection clonale pour les cellules B, la pour les cellules T, la et la théorie des réseaux immunitaires.
Recuit simulé
En algorithmique, le recuit simulé est une méthode empirique (métaheuristique) d'optimisation, inspirée d'un processus, le recuit, utilisé en métallurgie. On alterne dans cette dernière des cycles de refroidissement lent et de réchauffage (recuit) qui ont pour effet de minimiser l'énergie du matériau. Cette méthode est transposée en optimisation pour trouver les extrema d'une fonction. Elle a été mise au point par trois chercheurs de la société IBM, S. Kirkpatrick, C.D. Gelatt et M.P. Vecchi en 1983, et indépendamment par V.
Inductive bias
The inductive bias (also known as learning bias) of a learning algorithm is the set of assumptions that the learner uses to predict outputs of given inputs that it has not encountered. Inductive bias is anything which makes the algorithm learn one pattern instead of another pattern (e.g. step-functions in decision trees instead of continous function in a linear regression model). In machine learning, one aims to construct algorithms that are able to learn to predict a certain target output.