Advanced search options

Advanced Search Options 🞨

Browse by author name (“Author name starts with…”).

Find ETDs with:

in
/  
in
/  
in
/  
in

Written in Published in Earliest date Latest date

Sorted by

Results per page:

You searched for subject:(005 1). One record found.

Search Limiters

Last 2 Years | English Only

No search limiters apply to these results.

▼ Search Limiters

1. Kafafy, Ahmed. Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs.

Degree: Docteur es, Informatique, 2013, Université Claude Bernard – Lyon I

La prise de décision est une partie intégrante de notre vie quotidienne où le décideur est confronté à des problèmes composés de plusieurs objectifs habituellement contradictoires. Dans ce travail, nous traitons des problèmes d'optimisation multiobjectif dans des espaces de recherche continus ou discrets. Nous avons développé plusieurs nouveaux algorithmes basés sur les métaheuristiques hybrides évolutionnaires, en particulier sur l'algorithme MOEA/D. Nous avons proposé l'algorithme HEMH qui utilise l'algorithme DM-GRASP pour construire une population initiale de solutions de bonne qualité dispersées le long de l'ensemble des solutions Pareto optimales. Les résultats expérimentaux montrent la supériorité de toutes les variantes hybrides proposées sur les algorithmes originaux MOEA/D et SPEA2. Malgré ces bons résultats, notre approche possède quelques limitations, levées dans une version améliorée de HEMH : HEMH2 et deux autres variantes HEMHde et HEMHpr. Le Adaptive Binary DE inclus dans les HEMH2 et HEMHde a de meilleures capacités d'exploration qui pallient aux capacités de recherche locale contenues dans la HEMH, HEMH2 et HEMHde. Motivés par ces résultats, nous avons proposé un nouvel algorithme baptisé HESSA pour explorer un espace continu de recherche où le processus de recherche est réalisé par différentes stratégies de recherche. Les résultats expérimentaux montrent la supériorité de HESSA à la fois sur MOEA/D et dMOPSO. Tous les algorithmes proposés ont été vérifiés, testé et comparés à certaines méthodes MOEAs. Les résultats expérimentaux montrent que toutes les propositions sont très compétitives et peuvent être considérés comme une alternative fiable

Many real-world decision making problems consist of several conflicting objectives, the solutions of which is called the Pareto-optimal set. Hybrid metaheuristics proved their efficiency in solving these problems. They tend to enhance search capabilities by incorporating different metaheuristics. Thus, we are concerned with developing new hybrid schemes by incorporating different strategies with exploiting the pros and avoiding the drawback of the original ones. First, HEMH is proposed in which the search process includes two phases DMGRASP obtains an initial set of efficient solutions in the 1st phase. Then, greedy randomized path-relinking with local search or reproduction operators explore the non-visited regions. The efficient solutions explored over the search are collected. Second, a comparative study is developed to study the hybridization of different metaheuristics with MOEA/D. The 1st proposal combines adaptive discrete differential Evolution with MOEA/D. The 2nd combines greedy path-relinking with MOEA/D. The 3rd and the 4th proposals combine both of them in MOEA/D. Third, an improved version of HEMH is presented. HEMH2 uses inverse greedy to build its initial population. Then, differential evolution and path-relink improves these solutions by investigating the non-visited regions in the search space. Also, Pareto adaptive epsilon concept…

Advisors/Committee Members: Bonnevay, Stéphane (thesis director), Bounekkar, Ahmed (thesis director).

Subjects/Keywords: Optimisation multi-objectifs; Métaheuristiques hybrides; Algorithmes évolutionnaires; DM-GRASP; Path-relinking; Adaptive Binary Differential Evolution; Problèmes du sac à dos multi-objectifs 0/1; Adaptation de la stratégie de recherche; Multiobjective Optimization; Hybrid Metaheuristics; Evolutionary Algorithms; DM-GRASP; Path-relinking; Adaptive Binary Differential Evolution; 0/1 Multiobjective Knapsack Problems; Search Strategy adaptation; 005

Record DetailsSimilar RecordsGoogle PlusoneFacebookTwitterCiteULikeMendeleyreddit

APA · Chicago · MLA · Vancouver · CSE | Export to Zotero / EndNote / Reference Manager

APA (6th Edition):

Kafafy, A. (2013). Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs. (Doctoral Dissertation). Université Claude Bernard – Lyon I. Retrieved from http://www.theses.fr/2013LYO10184

Chicago Manual of Style (16th Edition):

Kafafy, Ahmed. “Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs.” 2013. Doctoral Dissertation, Université Claude Bernard – Lyon I. Accessed February 25, 2020. http://www.theses.fr/2013LYO10184.

MLA Handbook (7th Edition):

Kafafy, Ahmed. “Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs.” 2013. Web. 25 Feb 2020.

Vancouver:

Kafafy A. Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs. [Internet] [Doctoral dissertation]. Université Claude Bernard – Lyon I; 2013. [cited 2020 Feb 25]. Available from: http://www.theses.fr/2013LYO10184.

Council of Science Editors:

Kafafy A. Hybrid Evolutionary Metaheuristics for Multiobjective Decision Support : Métaheuristiques hybrides évolutionnaires pour l'aide à la décision multi-objectifs. [Doctoral Dissertation]. Université Claude Bernard – Lyon I; 2013. Available from: http://www.theses.fr/2013LYO10184

.