Abstract FR:

Nous etudions les algorithmes de recherche locale, qui sont a la base de nombreuses meta-heuristiques telles que le recuit simule et les methodes tabou pour resoudre de maniere approchee les problemes d'optimisation combinatoire np-difficiles. Pourquoi certains problemes se pretent-ils mieux que d'autres a une resolution approchee par un algorithme de recherche locale ? pourquoi un voisinage est-il meilleur qu'un autre ? le concept de paysage nous est apparu comme fondamental pour repondre a ce genre de questions. L'idee intuitive sur laquelle repose la majeure partie de ce travail est que ces algorithmes sont peu adaptes a des paysages escarpes et qu'a l'inverse, ils donnent de bons resultats pour des paysages ayant une faible rugosite. Nous presentons une classification de nombreux problemes d'optimisation selon la rugosite de leur paysage. Cela nous permet d'une part de les classer selon leur degre de difficulte par rapport aux algorithmes de recherche locale, et d'autre part de justifier pourquoi un voisinage est meilleur qu'un autre relativement a un probleme d'optimisation. De nombreux resultats experimentaux precedemment rapportes dans la litterature se trouvent ainsi justifies. Nous presentons egalement des resultats theoriques sur la qualite des solutions obtenues a l'aide d'un algorithme de recherche locale pour plusieurs problemes. Le deuxieme objectif de cette these concerne l'amelioration de ces algorithmes. Nous avons envisage de multiples techniques. Nous proposons une methode qui modifie le paysage d'un probleme afin de le rendre plus adapte aux algorithmes de recherche locale. Nous montrons egalement comment la theorie des graphes permet une meilleure utilisation des algorithmes de recherche locale iteree ainsi que la definition de nouveaux voisinages.