Optimisation multicritère par méthodes évolutionnaires distribuées

L的优化多目标优化公式和自然问题的优化。L利用算法来解决问题，而L的优化则是从全局出发，指导目标优化，而不是L的助手。Toutefois，L的应用程序DES算法？实际上，在现有的CES算法的基础上，并不存在任何障碍。《自然随机性与变化无常算法存在的原则》；《控制与控制算法与收费算法》。研究对象：(1)L自动化的区间算法、新方法估计、不确定因素和自然随机变量。(2)分类器统计和性能算法对多个非参数三元组、非问题三元组和三个问题的应用进行了分类统计和比较：《金融风险评估》，L的《金融风险评估报告》。(3)负责管理的政策局局长S出席了会议的会议，并讨论了政策性问题的解决办法。L的《控制参数的估计》、《性能和政治的分类统计》和《计算渗透分析的平台》形成了能够实现自动化的信息平台，并以此为基础制定了S的多目标优化算法。

L'optimisation multicritère est une formulation généralisée et naturelle des problèmes d'optimisation. L'utilisation des algorithmes évolutionnaires dans l'optimisation des problèmes multicritères permet la prise en considération directe des objectifs à optimiser, sans l'aide de pondération a priori. Toutefois, l'application des algorithmes évolutionnaires, dans ce contexte, n'est pas simple. En effet, il existe un nombre d'obstacles qui rendent ces algorithmes rébarbatifs pour leur déploiement concret. Les principaux obstacles sont la nature stochastique et la variété des algorithmes existants; la détermination des paramètres de contrôle et la charge de calcul de ces algorithmes. Les objectifs de ce programme de recherche sont: (1) Établir de façon automatique l'intervalle utile des paramètres de contrôle des algorithmes évolutionnaires, par une nouvelle méthode d'estimation, malgré les incertitudes et la nature stochastique des variables. (2) Classifier statistiquement la performance de ces algorithmes en utilisant un cadre de comparaison multiple non paramétrique, un ensemble de problèmes de référence et trois problèmes d'application : la génération des horaires, la prédiction de la volatilité financière, l'extraction des caractéristiques dans la reconnaissance d'écriture manuscrite. (3) Dégager une politique de balancement de la charge de calcul en arrimant le modèle d'exécution des algorithmes évolutionnaires distribués avec le modèle de communication d'une grappe d'ordinateurs. À terme, la combinaison de l'estimation des paramètres de contrôle, de la classification statistique de la performance et de la politique de balancement de calcul permettra la création d'une plateforme informatique capable d'automatiser le choix et la configuration des algorithmes évolutionnaires distribués dans l'optimisation des problèmes multicritères.