Optimisation Combinatoire Multi-Objectif : Apport des méthodes coopératives et contribution à l'extraction de connaissances. (Multi-objective combinatorial Optimization: contribution of cooperative methods and application to knowledge discovery)

Ce manuscrit est decompose en un chapitre introductif et deux parties principales. Le chapitre 1, pose le contexte du travail. Pour cela les principales definitions liees a l'optimisation combinatoire multi-objectif sont presentees. Puis, les problematiques specifiques a ce domaine sont exposees et etudiees. Parmi ces problematiques nous parlerons en particulier de la structure de l'ensemble des solutions de compromis (solutions Pareto), du choix des methodes de resolution et de l'analyse de performances en multi-objectif. Ce chapitre permettra de cerner ce qui est etudie dans le manuscrit et ce qui ne l'est pas. La premiere partie (chapitres 2 et 3) traite de la cooperation de methodes en vue d'ameliorer les resultats des methodes d'optimisation combinatoire multi-objectif. Au cours de cette partie, un probleme d'ordonnancement - probleme de flowshop de permutation bi-objectif - est utilise a titre d'exemple. Nous commencons donc le chapitre 2 par la presentation de ce probleme. Puis, le chapitre s'attarde sur les methodes exactes pour l'optimisation multi-objectif. Ces methodes n'etant pas nombreuses, une revue de la litterature est realisee. Inspiree de cette etude, un nouveau schema de methode exacte - PPM - est propose. Le chapitre 3 s'interesse a la cooperation entre methodes. Pour cela, la premiere partie du chapitre concerne l'utilisation des metaheuristiques en multi-objectif. Ainsi, apres avoir presente nos travaux concernant le developpement d'un algorithme genetique pour le flowshop bi-objectif, une presentation rapide des methodes les plus connues est realisee. Puis, la deuxieme partie discute des possibilites de cooperation entre les differentes methodes et presente les resultats obtenus. La deuxieme partie (chapitres 4, 5 et 6) s'interesse a un tout autre domaine d'application. Il s'agit de l'extraction de connaissances. En effet, de nombreux problemes d'extraction de connaissances peuvent etre modelises, entierement ou en partie, en des problemes d'optimisation combinatoire. C'est ce que nous presentons dans le chapitre 4. Dans ce chapitre, une partie est consacree a l'apport du multi-objectif pour ce type de problemes. Puis, une etude plus approfondie porte sur la problematique de recherche de regles d'association. Pour ce probleme, nous exposons la modelisation multi-objectif proposee ainsi que les methodes de resolution developpees. Le chapitre 5 presente deux approches cooperatives : une approche cooperative parallele mettant en jeux plusieurs metaheuristiques et une cooperation avec une methode exacte. Finalement, le chapitre 6 donne des indications sur le contexte applicatif utilise, a savoir l'etude de donnees issues de la bio-informatique. Au cours du memoire, chaque chapitre se termine par un certain nombre de perspectives. Le dernier chapitre, conclusions et perspectives, fait une synthese des principaux apports des travaux presentes dans le manuscrit ainsi que des perspectives annoncees.

[1]  Matthieu Basseur Conception d'algorithmes coopératifs pour l'optimisation multi-objectif : application aux problèmes d'ordonnancement de type flow-shop , 2005 .

[2]  Gary B. Lamont,et al.  Multiobjective evolutionary algorithms: classifications, analyses, and new innovations , 1999 .

[3]  Philip K. Chan,et al.  Advances in Distributed and Parallel Knowledge Discovery , 2000 .

[4]  El-Ghazali Talbi,et al.  Discovering Haplotypes in Linkage Disequilibrium Mapping with an Adaptive Genetic Algorithm , 2003, EvoWorkshops.

[5]  Carlos Alberto Rossel Jahuira Hybrid genetic algorithm with exact techniques applied to TSP , 2002 .

[6]  Michael L. Mauldin,et al.  Maintaining Diversity in Genetic Search , 1984, AAAI.

[7]  Dr. Alex A. Freitas Data Mining and Knowledge Discovery with Evolutionary Algorithms , 2002, Natural Computing Series.

[8]  Peter J. Fleming,et al.  An Overview of Evolutionary Algorithms in Multiobjective Optimization , 1995, Evolutionary Computation.

[9]  George D. Smith,et al.  The Effect of Evolved Attributes on Classification Algorithms , 2003, Australian Conference on Artificial Intelligence.

[10]  Laetitia Vermeulen-Jourdan,et al.  ASGARD : un algorithme génétique pour les règles d'association. Application à la génomique , 2002, Rev. d'Intelligence Artif..

[11]  Clarisse Dhaenens,et al.  Rules extraction in linkage disequilibrium mapping with an adaptive genetic algorithm , 2003 .

[12]  Nicolas Jozefowiez,et al.  Modélisation et résolution approchée de problèmes de tournées multi-objectif , 2004 .

[13]  Tzung-Pei Hong,et al.  Simultaneously Applying Multiple Mutation Operators in Genetic Algorithms , 2000, J. Heuristics.

[14]  Tmd Kovacs,et al.  Soft Computing in Engineering Design and Manufacturing , 1998 .

[15]  D. Corne,et al.  On Metrics for Comparing Non Dominated Sets , 2001 .

[16]  David E. Goldberg,et al.  Genetic Algorithms with Sharing for Multimodalfunction Optimization , 1987, ICGA.

[17]  Marco Laumanns,et al.  Combining Convergence and Diversity in Evolutionary Multiobjective Optimization , 2002, Evolutionary Computation.

[18]  Hojjat Adeli Advances in design optimizaton [i.e. optimization] , 1994 .

[19]  Jaideep Srivastava,et al.  Selecting the right interestingness measure for association patterns , 2002, KDD.

[20]  D. Botstein,et al.  Cluster analysis and display of genome-wide expression patterns. , 1998, Proceedings of the National Academy of Sciences of the United States of America.

[21]  L. Lasdon,et al.  On a bicriterion formation of the problems of integrated system identification and system optimization , 1971 .

[22]  Anthony Przybylski,et al.  Seek and Cut Algorithm Computing Minimal and Maximal Complete Efficient Solution Sets for the Biobjective Assignment Problem , 2004 .

[23]  Charles Gide,et al.  Cours d'économie politique , 1911 .

[24]  David Corne,et al.  Evolutionary Computation In Bioinformatics , 2003 .

[25]  Gary B. Lamont,et al.  Applications Of Multi-Objective Evolutionary Algorithms , 2004 .

[26]  Lothar Thiele,et al.  Multiobjective evolutionary algorithms: a comparative case study and the strength Pareto approach , 1999, IEEE Trans. Evol. Comput..

[27]  Clarisse Dhaenens,et al.  A multicriteria genetic algorithm to analyze microarray data , 2004, Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753).

[28]  A. M. Geoffrion Proper efficiency and the theory of vector maximization , 1968 .

[29]  M. Hansen,et al.  Evaluating the quality of approximations to the non-dominated set , 1998 .

[30]  El-Ghazali Talbi,et al.  Adaptive mechanisms for multi-objective evolutionary algorithms , 2003 .

[31]  George D. Smith,et al.  Evolutionary Feature Construction Using Information Gain and Gini Index , 2004, EuroGP.

[32]  Antony Unwin,et al.  Visualisation for Data Mining , 2001 .

[33]  David E. Goldberg,et al.  Genetic Algorithms in Search Optimization and Machine Learning , 1988 .

[34]  Bernard Roy,et al.  Aide multicritère à la décision : méthodes et cas , 1993 .

[35]  Kalyanmoy Deb,et al.  Muiltiobjective Optimization Using Nondominated Sorting in Genetic Algorithms , 1994, Evolutionary Computation.

[36]  El-Ghazali Talbi,et al.  Design of multi-objective evolutionary algorithms: application to the flow-shop scheduling problem , 2002, Proceedings of the 2002 Congress on Evolutionary Computation. CEC'02 (Cat. No.02TH8600).

[37]  H. Moskowitz,et al.  Generalized dynamic programming for multicriteria optimization , 1990 .

[38]  El-Ghazali Talbi,et al.  A parallel adaptive GA for linkage disequilibrium in genomics , 2004, 18th International Parallel and Distributed Processing Symposium, 2004. Proceedings..

[39]  Andreas Zell,et al.  Clustering Gene Expression Profiles with Memetic Algorithms , 2002, PPSN.

[40]  El-Ghazali Talbi,et al.  A data mining approach to discover genetic and environmental factors involved in multifactorial diseases , 2002, Knowl. Based Syst..

[41]  Eckart Zitzler,et al.  An EA framework for biclustering of gene expression data , 2004, Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753).

[42]  Nicolas Monmarché,et al.  Fouille visuelle et classification de données par nuage d'insectes volants , 2002, Rev. d'Intelligence Artif..

[43]  Kikuo Fujita,et al.  MULTI-OBJECTIVE OPTIMAL DESIGN OF AUTOMOTIVE ENGINE USING GENETIC ALGORITHM , 1998 .

[44]  James E. Baker,et al.  Adaptive Selection Methods for Genetic Algorithms , 1985, International Conference on Genetic Algorithms.

[45]  John H. Holland,et al.  Adaptation in Natural and Artificial Systems: An Introductory Analysis with Applications to Biology, Control, and Artificial Intelligence , 1992 .

[46]  Ka Yee Yeung,et al.  Principal component analysis for clustering gene expression data , 2001, Bioinform..

[47]  Pak Chung Wong,et al.  Visualizing association rules for text mining , 1999, Proceedings 1999 IEEE Symposium on Information Visualization (InfoVis'99).

[48]  Peter J. Fleming,et al.  Multiobjective genetic algorithms made easy: selection sharing and mating restriction , 1995 .

[49]  Carlos Cotta,et al.  Hybridizing Genetic Algorithms with Branch and Bound Techniques for the Resolution of the TSP , 1995, ICANNGA.

[50]  V. Pareto,et al.  Vilfredo Pareto. Cours d’Économie Politique , 1897 .

[51]  Xavier Gandibleux,et al.  A survey and annotated bibliography of multiobjective combinatorial optimization , 2000, OR Spectr..

[52]  H. Raiffa,et al.  Decisions with Multiple Objectives , 1993 .

[53]  A. Wightman,et al.  Mathematical Physics. , 1930, Nature.

[54]  Eckart Zitzler,et al.  Evolutionary algorithms for multiobjective optimization: methods and applications , 1999 .

[55]  Joshua D. Knowles,et al.  Exploiting the Trade-off - The Benefits of Multiple Objectives in Data Clustering , 2005, EMO.

[56]  Joshua D. Knowles,et al.  On metrics for comparing nondominated sets , 2002, Proceedings of the 2002 Congress on Evolutionary Computation. CEC'02 (Cat. No.02TH8600).

[57]  Mohammed J. Zaki,et al.  Large-Scale Parallel Data Mining , 2002, Lecture Notes in Computer Science.

[58]  Andreas Zell,et al.  A memetic co-clustering algorithm for gene expression profiles and biological annotation , 2004, Proceedings of the 2004 Congress on Evolutionary Computation (IEEE Cat. No.04TH8753).

[59]  Chelsea C. White,et al.  Multiobjective A* , 1991, JACM.

[60]  Ramakrishnan Srikant,et al.  Fast algorithms for mining association rules , 1998, VLDB 1998.

[61]  L. Jourdan Métaheuristiques pour l'extraction de connaissances: Application à la génomique , 2003 .

[62]  B. Jaumard,et al.  A multi-criteria tabu search approach to cell formation problems in group technology with multiple objectives , 1994 .

[63]  David E. Goldberg,et al.  A niched Pareto genetic algorithm for multiobjective optimization , 1994, Proceedings of the First IEEE Conference on Evolutionary Computation. IEEE World Congress on Computational Intelligence.

[64]  Jin-Kao Hao,et al.  Métaheuristiques pour la classification de bouchons naturels en liège , 2002, Rev. d'Intelligence Artif..

[65]  Kalyanmoy Deb,et al.  A fast and elitist multiobjective genetic algorithm: NSGA-II , 2002, IEEE Trans. Evol. Comput..

[66]  Clarisse Dhaenens,et al.  An exact parallel method for a bi-objective permutation flowshop problem , 2007, Eur. J. Oper. Res..

[67]  David W. Corne,et al.  Approximating the Nondominated Front Using the Pareto Archived Evolution Strategy , 2000, Evolutionary Computation.

[68]  Gary B. Lamont,et al.  Evolutionary Algorithms for Solving Multi-Objective Problems , 2002, Genetic Algorithms and Evolutionary Computation.

[69]  L. Lebart,et al.  Statistique exploratoire multidimensionnelle , 1995 .

[70]  Carlos A. Coello Coello,et al.  Using the Min-Max Method to Solve Multiobjective Optimization Problems with Genetic Algorithms , 1998, IBERAMIA.

[71]  Sean Pascoe,et al.  An investigation of genetic algorithms for the optimization of multi-objective fisheries bioeconomic models , 2000 .

[72]  Clarisse Dhaenens,et al.  Cooperation between Branch and Bound and Evolutionary Approaches to Solve a Bi-objective Flow Shop Problem , 2004, WEA.