Analyse d’un algorithme d’intelligence en essaim pour le fourragement
Identifieur interne : 004384 ( Main/Merge ); précédent : 004383; suivant : 004385Analyse d’un algorithme d’intelligence en essaim pour le fourragement
Auteurs : Amine Boumaza [France] ; Bruno Scherrer [France]Source :
- Revue d'Intelligence Artificielle [ 0992-499X ] ; 2008.
Abstract
Nous présentons un algorithme d’intelligence en essaim pour résoudre le problème du fourragement dans le cas discret. Nous illustrons l’algorithme proposé à l’aide de simulations et nous faisons une analyse complète de convergence : nous démontrons que la population d’agents simples qui compose l’essaim calcule la solution d’un problème de contrôle optimal et que sa dynamique converge. Nous étudions le taux de convergence de l’algorithme en fonction de la taille de la population et donnons des arguments expérimentaux et théoriques qui suggèrent que ce taux de convergence est superlinéaire en fonction du nombre d’agents. En outre, nous expliquons comment ce modèle peut être étendu au cas où l’espace est continu et pour résoudre des problèmes de contrôle optimal en général. Nous argumentons qu ’une telle approche peut être appliquée à tout problème qui implique le calcul du point fixe d’une contraction. Ceci permet de concevoir une grande classe d’algorithmes d’intelligence en essaim bien compris formellement.
We present a swarm intelligence algorithm that solves a discrete foraging problem. We describe simulations and provide a complete convergence analysis: we show that the population computes the solution of some optimal control problem and that its dynamics converges. We discuss the rate of convergence with respect to the number of agents: we give experimental and theoretical arguments that suggest that this convergence rate is superlinear with respect to the number of agents. Furthermore, we explain how this model can be extended to the case where the state space is continuous, and in order to solve optimal control problems in general. We argue that such an approach can be applied to any problem that involves the computation of the fixed point of a contraction mapping. This allows to design a large class of formally well understood swarm intelligence algorithms.
Url:
DOI: 10.3166/ria.22.791-816
Links toward previous steps (curation, corpus...)
- to stream Istex, to step Corpus: 002E95
- to stream Istex, to step Curation: 002E57
- to stream Istex, to step Checkpoint: 000D01
Links to Exploration step
ISTEX:C5C4FADCF4416CBE389C0E599D99CC09AEB57A2ELe document en format XML
<record><TEI wicri:istexFullTextTei="biblStruct"><teiHeader><fileDesc><titleStmt><title xml:lang="fr">Analyse d’un algorithme d’intelligence en essaim pour le fourragement</title>
<author><name sortKey="Boumaza, Amine" sort="Boumaza, Amine" uniqKey="Boumaza A" first="Amine" last="Boumaza">Amine Boumaza</name>
</author>
<author><name sortKey="Scherrer, Bruno" sort="Scherrer, Bruno" uniqKey="Scherrer B" first="Bruno" last="Scherrer">Bruno Scherrer</name>
</author>
</titleStmt>
<publicationStmt><idno type="wicri:source">ISTEX</idno>
<idno type="RBID">ISTEX:C5C4FADCF4416CBE389C0E599D99CC09AEB57A2E</idno>
<date when="2008" year="2008">2008</date>
<idno type="doi">10.3166/ria.22.791-816</idno>
<idno type="url">https://api.istex.fr/ark:/67375/HT0-QSVRKQH3-M/fulltext.pdf</idno>
<idno type="wicri:Area/Istex/Corpus">002E95</idno>
<idno type="wicri:explorRef" wicri:stream="Istex" wicri:step="Corpus" wicri:corpus="ISTEX">002E95</idno>
<idno type="wicri:Area/Istex/Curation">002E57</idno>
<idno type="wicri:Area/Istex/Checkpoint">000D01</idno>
<idno type="wicri:explorRef" wicri:stream="Istex" wicri:step="Checkpoint">000D01</idno>
<idno type="wicri:doubleKey">0992-499X:2008:Boumaza A:analyse:d:un</idno>
<idno type="wicri:Area/Main/Merge">004384</idno>
</publicationStmt>
<sourceDesc><biblStruct><analytic><title level="a" type="main" xml:lang="fr">Analyse d’un algorithme d’intelligence en essaim pour le fourragement</title>
<author><name sortKey="Boumaza, Amine" sort="Boumaza, Amine" uniqKey="Boumaza A" first="Amine" last="Boumaza">Amine Boumaza</name>
<affiliation></affiliation>
<affiliation wicri:level="1"><country wicri:rule="url">France</country>
</affiliation>
</author>
<author><name sortKey="Scherrer, Bruno" sort="Scherrer, Bruno" uniqKey="Scherrer B" first="Bruno" last="Scherrer">Bruno Scherrer</name>
<affiliation></affiliation>
<affiliation wicri:level="1"><country wicri:rule="url">France</country>
</affiliation>
</author>
</analytic>
<monogr></monogr>
<series><title level="j" type="main">Revue d'Intelligence Artificielle</title>
<title level="j" type="abbrev">Rev. Int. Artificielle</title>
<idno type="ISSN">0992-499X</idno>
<idno type="eISSN">1958-5748</idno>
<imprint><publisher>Lavoisier</publisher>
<date type="published" when="2008-11">2008</date>
<biblScope unit="vol">22</biblScope>
<biblScope unit="issue">6</biblScope>
<biblScope unit="page" from="791">791</biblScope>
<biblScope unit="page" to="816">816</biblScope>
<biblScope unit="page-count">26</biblScope>
<biblScope unit="ref-count">0</biblScope>
<biblScope unit="fig-count">0</biblScope>
<biblScope unit="table-count">0</biblScope>
</imprint>
<idno type="ISSN">0992-499X</idno>
</series>
</biblStruct>
</sourceDesc>
<seriesStmt><idno type="ISSN">0992-499X</idno>
</seriesStmt>
</fileDesc>
<profileDesc><textClass></textClass>
</profileDesc>
</teiHeader>
<front><div type="abstract" xml:lang="fr">Nous présentons un algorithme d’intelligence en essaim pour résoudre le problème du fourragement dans le cas discret. Nous illustrons l’algorithme proposé à l’aide de simulations et nous faisons une analyse complète de convergence : nous démontrons que la population d’agents simples qui compose l’essaim calcule la solution d’un problème de contrôle optimal et que sa dynamique converge. Nous étudions le taux de convergence de l’algorithme en fonction de la taille de la population et donnons des arguments expérimentaux et théoriques qui suggèrent que ce taux de convergence est superlinéaire en fonction du nombre d’agents. En outre, nous expliquons comment ce modèle peut être étendu au cas où l’espace est continu et pour résoudre des problèmes de contrôle optimal en général. Nous argumentons qu ’une telle approche peut être appliquée à tout problème qui implique le calcul du point fixe d’une contraction. Ceci permet de concevoir une grande classe d’algorithmes d’intelligence en essaim bien compris formellement.</div>
<div type="abstract" xml:lang="en">We present a swarm intelligence algorithm that solves a discrete foraging problem. We describe simulations and provide a complete convergence analysis: we show that the population computes the solution of some optimal control problem and that its dynamics converges. We discuss the rate of convergence with respect to the number of agents: we give experimental and theoretical arguments that suggest that this convergence rate is superlinear with respect to the number of agents. Furthermore, we explain how this model can be extended to the case where the state space is continuous, and in order to solve optimal control problems in general. We argue that such an approach can be applied to any problem that involves the computation of the fixed point of a contraction mapping. This allows to design a large class of formally well understood swarm intelligence algorithms.</div>
</front>
</TEI>
</record>
Pour manipuler ce document sous Unix (Dilib)
EXPLOR_STEP=$WICRI_ROOT/Wicri/Lorraine/explor/InforLorV4/Data/Main/Merge
HfdSelect -h $EXPLOR_STEP/biblio.hfd -nk 004384 | SxmlIndent | more
Ou
HfdSelect -h $EXPLOR_AREA/Data/Main/Merge/biblio.hfd -nk 004384 | SxmlIndent | more
Pour mettre un lien sur cette page dans le réseau Wicri
{{Explor lien |wiki= Wicri/Lorraine |area= InforLorV4 |flux= Main |étape= Merge |type= RBID |clé= ISTEX:C5C4FADCF4416CBE389C0E599D99CC09AEB57A2E |texte= Analyse d’un algorithme d’intelligence en essaim pour le fourragement }}
![]() | This area was generated with Dilib version V0.6.33. | ![]() |