Daas, Mohamed SkanderBatouche, Mohamed2018-01-172018-01-172014http://hdl.handle.net/123456789/599Ce mémoire traite le problème de l'optimisation dynamique en utilisant des approches inspirées de la nature. Dans un premier temps nous proposerons deux algorithmes DBFO et DABFO basés sur le comportement intelligent des bactéries. Plusieurs techniques ont été utilisées pour adapter l'algorithme de base aux environnements dynamiques. Ces deux versions d'algorithmes ont été ensuite appliquées pour traiter le problème de la poursuite d'objets en utilisant la similarité des histogrammes. Grâce aux techniques appliquées, DABFO rivalise et surpasse même les algorithmes existants basés BFO surtout quand la gravité et la vitesse des changements sont grandes. Dans un second temps nous proposons une approche multi-population (MBFO) basée-BFO, qui utilise des mécanismes d'exclusion et de diversité adaptés aux environnements dynamiques. Bien que les résultats expérimentaux obtenus à traves les études comparatives ne montrent pas dans le cas général la supériorité de notre algorithme proposé (MBFO), mais MBFO obtient de meilleurs résultats dans des environnements caractérisés par une large fréquence de changementfrAlgorithme : DBFO : DABFO : optimisation dynamiqueOther