Gestion de contraintes dans les approches évolutionnaires

Les problèmes d’optimisation sont souvent difficiles à résoudre efficacement par des méthodes exactes, notamment lorsque ces problèmes sont combinatoires, complexes ou NP-hard, en raison de la complexité exponentielle de celles-ci. Face à ces limitations, des méthodes approximatives telles que les approches évolutionnaires ont été proposées. En général, les problèmes d’optimisation sont soumis à des contraintes. Dans les approches évolutionnaires, les opérateurs d’exploitation et d’exploration (sélection, mutation et croi- sement) ne prennent pas en compte les contraintes, ce qui conduit à la division de l’espace de recherche en deux sous-ensembles disjoints : l’espace réalisable (contenant uniquement les solutions satisfaisant toutes les contraintes) et l’espace irréalisable (contenant les solu- tions violant au moins une contrainte). Ceci a incité les chercheurs à proposer d’équiper ces approches de méthodes de gestion des contraintes qui les gèrent et explorent l’information cachée dans les solutions irréalisables afin d’aider l’approche évolutionnaire à converger vers l’optimum. Dans cette thèse, nous proposons une technique de gestion des contraintes basée sur des fonctions de transformation. Nous étudions l’impact de la prise en compte de diffé- rents ordres de priorité des contraintes et proposons un système d’inférence floue pour gérer l’ordre des contraintes et aider l’algorithme évolutionnaire à converger vers l’espace réalisable