Optimisation d’entrainement des réseaux de neurones RBF par la métaheuristique ACO
No Thumbnail Available
Date
2017
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
Université Larbi Ben M'hidi
Abstract
Notre travail concerne essentiellement l’adaptation de l’algorithme d’optimisation par colonie
de fourmis pour l’entrainement des réseaux RBF. Cette adaptation vise deux objectifs :
- A imiter le comportement d’une colonie de fourmis qui peut naturellement à trouver
collectivement et intuitivement à trouver le chemin optimal de son objectif.
- A aboutir à un algorithme efficace, plus performant que les méthodes proposées par
les approches classiques.
La variation et continue du signal de commande simule la recherche raffinée et précise
d’une fourmi de la bonne direction. La convergence des sorties de tous les réseaux aux
alentours de la consigne simule le tracé du chemin commun par coopération de tous les
individus de la colonie, aboutissant à un itinéraire optimal vers l’objectif. La performance
globale a montré la collaboration de tous les agents pour construire la meilleure solution.
Les résultats de simulation ont montré l’efficacité de l’algorithme hybride ACO-RBF. Ses
résultats étaient nettement meilleures que ceux de la méthode BP-ACO.