Abstract FR:

Les algorithmes genetiques (ag) sont des procedures de recherche adaptatives et des methodes d'optimisation stochastiques qui derivent des mecanismes adaptatifs des systemes biologiques. Les ags permettent une comprehension des problemes d'optimisation avec contraintes. L'expression des contraintes se fait avec un langage explicite et facilement accessible. Optimiser la solution par la combinaison d'informations partielles de toute la population est le fondement meme de la theorie des ags. Par consequent, meme les solutions non retenues ou non faisables contribuent a la recherche de l'optimum et ne sont pas simplement rejetees. Nous montrons que les ags peuvent etre utilises pour resoudre des problemes pratiques d'optimisation avec contraintes. Comment la reponse desiree du systeme dynamique peut etre utilisee dans la mesure de la qualite de la conception ? avec l'utilisation des ags, comment l'algorithme evolutionniste utilise l'eloignement de la faisabilite pour definir le comportement, construire la structure et regler les parametres du controleur ? nous developpons une specification generalisee de la fonction de competence dans le domaine de la conception assistee par ordinateur des systemes de commande. Aussi, nos travaux portent sur une nouvelle technique d'adaptation de la taille de la population et l'auto-regulation de la probabilite de mutation au cours de l'evolution simulee.