Les métaheuristiques sont des algorithmes génériques et flexibles capables de s'adapter à tout type de problème d'optimisation grâce à la variété des stratégies algorithmiques et leurs propres valeurs de paramètres. Premièrement, la généricité de la conception peut aussi être complétée par des mécanismes ou des heuristiques dépendant du problème. Deuxièmement, bien qu'il soit largement admis qu'aucun algorithme ne domine tous les autres sur toutes les instances du problème, une métaheuristique doit être finement paramétrée pour bien fonctionner. Par conséquent, un processus d'apprentissage peut être utilisé pour concevoir une métaheuristique adaptée au problème à traiter. Dans nos travaux, nous nous intéressons à deux façons différentes d'aborder la conception basée sur la connaissance : la configuration automatique d'algorithmes et l’analyse de paysage. La première partie traite de la configuration automatique des algorithmes de recherche locale mono-objectif et multi-objectif et la seconde traite de la caractérisation des paysages multi-objectifs et de l'exploitation des caractéristiques du problème pour concevoir des algorithmes de recherche locale. Ces deux sujets, apparemment indépendants, ont, très récemment, commencé à se rejoindre et diverses perspectives seront données dans ce sens.
soutenue le 14/11/2019
français
English