Ingénierie et systèmes > Accueil > Incertitudes et fiabilité des systèmes multiphysiques > Optimisation et Fiabilité > Article
Maria Zemzami
LITIS Université de Normandie
INSA Rouen
Norelislam Elhami
LGS Université Ibn Tofail ENSA
Kenitra - Maroc
Abderahman Makhloufi
LITIS Université de Normandie
INSA Rouen
Mhamed Itmi
LITIS Université de Normandie
INSA Rouen
Nabil Hmina
LGS Université Ibn Tofail ENSA
Kenitra - Maroc
Publié le 22 février 2017 DOI : 10.21494/ISTE.OP.2017.0127
Reconnue pendant plusieurs années comme une métaheuristique stochastique performante dans la résolution des problèmes d’optimisation difficiles, la méthode d’optimisation par essaim particulaire « PSO » présente cependant des points faibles : le temps de calcul considérable et la convergence prématurée. Plusieurs études ont été menées pour trouver le jeu de paramètres qui conduit à de bonnes performances de l’algorithme.
Dans ce papier, nous proposons une version de l’algorithme PSO, permettant d’améliorer ses performances en introduisant sa parallélisation associée à la notion du voisinage évolutif.
L’algorithme proposé a été testé afin d’améliorer la performance et la fiabilité des structures mécaniques « le problème de transport d’électricité » ; plus précisément l‘optimisation de la durée de vie du pylône d’une ligne de transport d’électricité ; l’objectif est de maximiser la résistance à la charge tout en réduisant le coût « la minimisation de l’utilisation des matériaux ».
Dans nos expérimentations, les tests effectués sur le programme ont donné des résultats satisfaisants du modèle parallèle par rapport au modèle séquentiel.
In this paper, we suggest a new version of PSO algorithm, that allows the amelioration of its performance by introducing its parallelization associated to the concept of evolutionary neighborhood. The main objective of our approach is to overcome to the two essential disadvantages of PSO: high running time and premature convergence. The proposed algorithm was tested in order to improve the performance and reliability of mechanical structures; more precisely on the electricity pylon example; the objective is to maximize resistance to load while reducing material usage and cost. Experimental results demonstrate that the proposed method is effective and outperforms basic PSO in terms of solution quality, accuracy, constraint handling, and time consuming.
Optimisation PSO Parallélisation Voisinage évolutif Transport d’électricité Pylône électrique
Optimization PSO Parallelization Evolutionary neighborhood Electrical transmission Electricity pylon