Algorithmes de fourmis artificielles : applications à la classification et à l'optimisation. (Artificial ant based algorithms applied to clustering and optimization problems)

Dans ce travail de these, nous presentons les travaux s'inspirant des fourmis reelles pour la resolution de problemes en informatique. Nous proposons deux approches supplementaires de ces nouvelles inspirations biomimetiques. La premiere reprend certains travaux en classification non supervisee et etend ces principes dans plusieurs directions. L'algorithme AntClass developpe a cette occasion, est hybride dans le sens ou la recherche du nombre de classes est effectue par des fourmis artificielles et qu'un algorithme classique en classification, les centres mobiles, est utilise pour gommer les erreurs de classification inherentes a une methode stochastique telle que les fourmis artificielles. Apres avoir souligne les ressemblances et differences entre les approches evolutionnaires et celles a base de population de fourmis et propose un modele commun, nous nous inspirons de la strategie de recherche de nourriture d'une espece de fourmis (Pachycondyla apicalis) pour resoudre des problemes d'optimisation globale. L'apport de cette adaptation reside principalement dans sa simplicite. Nous appliquons l'algorithme qui en decoule, appele API, a des problemes varies tels que l'optimisation de fonctions numeriques, l'apprentissage de chaines de Markov cachees ou des poids d'un reseau de neurones artificiels, ou encore a un probleme d'optimisation combinatoire classique : le probleme du voyageur de commerce.