Algorithme évolutionnistevignette|redresse=1.2|Un algorithme évolutionnaire utilise itérativement des opérateurs de sélections (en bleu) et de variation (en jaune). i : initialisation, f(X) : évaluation, ? : critère d'arrêt, Se : sélection, Cr : croisement, Mu : mutation, Re : remplacement, X* : optimum. Les algorithmes évolutionnistes ou algorithmes évolutionnaires (evolutionary algorithms en anglais), sont une famille d'algorithmes dont le principe s'inspire de la théorie de l'évolution pour résoudre des problèmes divers.
Evolutionary computationIn computer science, evolutionary computation is a family of algorithms for global optimization inspired by biological evolution, and the subfield of artificial intelligence and soft computing studying these algorithms. In technical terms, they are a family of population-based trial and error problem solvers with a metaheuristic or stochastic optimization character. In evolutionary computation, an initial set of candidate solutions is generated and iteratively updated.
Optimisation multiobjectifL'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.
Algorithme génétiqueLes algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Les algorithmes génétiques utilisent la notion de sélection naturelle et l'appliquent à une population de solutions potentielles au problème donné.
Population model (evolutionary algorithm)The population model of an evolutionary algorithm (EA) describes the structural properties of its population to which its members are subject. A population is the set of all proposed solutions of an EA considered in one iteration, which are also called individuals according to the biological role model. The individuals of a population can generate further individuals as offspring with the help of the genetic operators of the procedure. The simplest and widely used population model in EAs is the global or panmictic model, which corresponds to an unstructured population.
Algorithme mémétiqueLes algorithmes mémétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode de résolution pour résoudre le problème de manière exacte en un temps raisonnable. Les algorithmes mémétiques sont nés d'une hybridation entre les algorithmes génétiques et les algorithmes de recherche locale. Ils utilisent le même processus de résolution que les algorithmes génétiques mais utilisent un opérateur de recherche locale après celui de mutation.
Turbocompresseurvignette|Turbocompresseur sur un moteur de poids lourd (Renault Magnum). Un turbocompresseur (dit « turbo », en langage courant) est l'un des trois principaux systèmes connus de suralimentation généralement employés sur les moteurs à combustion et explosion (essence ou diesel), destinés à augmenter la puissance volumique — les deux autres étant le compresseur mécanique et l'injection gazeuse. Le rôle du turbocompresseur est d'augmenter le taux de dioxygène () dans chaque cylindre en comprimant l'air d'admission.
Avantage compétitifUn avantage compétitif ou concurrentiel est tout ce qui permet à une entreprise de surpasser ses concurrents. Il est en cela différent du facteur clé de succès qui est commun à toutes les entreprises présentes sur le marché. Il a été théorisé par Michael Porter en 1985 à travers la rédaction de son ouvrage L'avantage concurrentiel. L'auteur considère que les deux facteurs qui déterminent ce dernier sont : la maîtrise des coûts et l'innovation au sens de Joseph Schumpeter.
Problème de tournées de véhiculesvignette|Figure illustrant une des solutions d'un problème de tournées avec un dépôt central et 3 véhicules disponibles. Le problème de tournées de véhicules (aussi appelé VRP pour Vehicle Routing Problem) est une classe de problèmes de recherche opérationnelle et d'optimisation combinatoire. Il s'agit de déterminer les tournées d'une flotte de véhicules afin de livrer une liste de clients, ou de réaliser des tournées d'interventions (maintenance, réparation, contrôles) ou de visites (visites médicales, commerciales).
Panne de courantthumb|Court-circuit d'une ligne électrique à Troy, Illinois. Une panne de courant est la suspension de la distribution du courant électrique dans une région attribuée. Ceci peut provenir d'un défaut dans une centrale électrique, de l'équipement de distribution endommagé (par exemple, par une tempête de neige ou de pluie verglaçante), un court-circuit ou une surcharge du système. Le terme « blackout » est également utilisé lorsque la panne concerne un grand nombre de clients.
