Les metaheuristiques sont utilisees pour resoudre des problemes d'optimisation complexes, a chaque fois que l'on veut identifier, avec un temps de calcul raisonnable, des solutions efficaces. Il s'agit donc d'une approche pragmatique, qui a des sources d'inspiration multiples. La serie Les metaheuristiques a pour objectif d'etendre leur champ d'application, en proposant des approches transversales du domaine, des etudes centrees sur des applications specifiques ou encore des analyses consacrees a des familles de metaheuristiques particulieres.Les metaheuristiques d'optimisation procedent a un A tirage au hasard A pour effectuer certains choix ou appliquer certaines regles, pour cela elles doivent faire appel a un ou plusieurs generateurs de nombres aleatoires (GNA). De nombreux types de GNA existent, de l'aleatoire vrai jusqu'au code simple. Ils peuvent etre manipules pour produire des distributions specifiques. Les performances d'un algorithme dependent du GNA utilise. Cet ouvrage s'interesse a la comparaison d'optimiseurs, il definit une approche effort-resultat d'ou peuvent etre derives tous les criteres classiques (mediane, moyenne, etc.) et d'autres plus sophistiques. Les codes-sources utilises pour les exemples sont aussi presentes, ainsi qu'une reflexion sur le A hasard superflu A, expliquant succinctement pourquoi et comment l'aspect stochastique de l'optimisation pourrait etre evite dans certains cas.

Les metaheuristiques sont utilisees pour resoudre des problemes d'optimisation complexes, a chaque fois que l'on veut identifier, avec un temps de calcul raisonnable, des solutions efficaces. Il s'agit donc d'une approche pragmatique, qui a des sources d'inspiration multiples. La serie Les metaheuristiques a pour objectif d'etendre leur champ d'application, en proposant des approches transversales du domaine, des etudes centrees sur des applications specifiques ou encore des analyses consacrees a des familles de metaheuristiques particulieres.Les metaheuristiques d'optimisation procedent a un A tirage au hasard A pour effectuer certains choix ou appliquer certaines regles, pour cela elles doivent faire appel a un ou plusieurs generateurs de nombres aleatoires (GNA). De nombreux types de GNA existent, de l'aleatoire vrai jusqu'au code simple. Ils peuvent etre manipules pour produire des distributions specifiques. Les performances d'un algorithme dependent du GNA utilise. Cet ouvrage s'interesse a la comparaison d'optimiseurs, il definit une approche effort-resultat d'ou peuvent etre derives tous les criteres classiques (mediane, moyenne, etc.) et d'autres plus sophistiques. Les codes-sources utilises pour les exemples sont aussi presentes, ainsi qu'une reflexion sur le A hasard superflu A, expliquant succinctement pourquoi et comment l'aspect stochastique de l'optimisation pourrait etre evite dans certains cas.