doc/fr/ref_algorithm_ParticleSwarmOptimization.rst

   1 ..
   2    Copyright (C) 2008-2023 EDF R&D
   3
   4    This file is part of SALOME ADAO module.
   5
   6    This library is free software; you can redistribute it and/or
   7    modify it under the terms of the GNU Lesser General Public
   8    License as published by the Free Software Foundation; either
   9    version 2.1 of the License, or (at your option) any later version.
  10
  11    This library is distributed in the hope that it will be useful,
  12    but WITHOUT ANY WARRANTY; without even the implied warranty of
  13    MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.  See the GNU
  14    Lesser General Public License for more details.
  15
  16    You should have received a copy of the GNU Lesser General Public
  17    License along with this library; if not, write to the Free Software
  18    Foundation, Inc., 59 Temple Place, Suite 330, Boston, MA  02111-1307 USA
  19
  20    See http://www.salome-platform.org/ or email : webmaster.salome@opencascade.com
  21
  22    Author: Jean-Philippe Argaud, jean-philippe.argaud@edf.fr, EDF R&D
  23
  24 .. index:: single: ParticleSwarmOptimization
  25 .. index:: single: Optimisation globale
  26 .. index:: single: Globale (optimisation)
  27 .. _section_ref_algorithm_ParticleSwarmOptimization:
  28
  29 Algorithme de calcul "*ParticleSwarmOptimization*"
  30 --------------------------------------------------
  31
  32 .. ------------------------------------ ..
  33 .. include:: snippets/Header2Algo01.rst
  34
  35 Cet algorithme réalise une estimation de l'état d'un système par minimisation
  36 d'une fonctionnelle d'écart :math:`J` en utilisant une méthode évolutionnaire
  37 d'essaim particulaire. C'est une méthode qui n'utilise pas les dérivées de la
  38 fonctionnelle d'écart. Elle est basée sur l'évolution d'une population (appelée
  39 "essaim") d'états (chaque individu étant appelé une "particule" ou un insecte).
  40 Elle entre dans la même catégorie que les
  41 :ref:`section_ref_algorithm_DerivativeFreeOptimization`,
  42 :ref:`section_ref_algorithm_DifferentialEvolution` ou
  43 :ref:`section_ref_algorithm_TabuSearch`.
  44
  45 C'est une méthode d'optimisation permettant la recherche du minimum global
  46 d'une fonctionnelle d'erreur :math:`J` quelconque de type :math:`L^1`,
  47 :math:`L^2` ou :math:`L^{\infty}`, avec ou sans pondérations, comme décrit dans
  48 la section pour :ref:`section_theory_optimization`. La fonctionnelle d'erreur
  49 par défaut est celle de moindres carrés pondérés augmentés, classiquement
  50 utilisée en assimilation de données.
  51
  52 Il existe diverses variantes de cet algorithme. On propose ici les formulations
  53 stables et robustes suivantes :
  54
  55 .. index::
  56     pair: Variant ; PSO
  57     pair: Variant ; CanonicalPSO
  58     pair: Variant ; OGCR
  59
  60 - "PSO" (Canonical PSO, voir [ZambranoBigiarini13]_), algorithme canonique d'essaim particulaire, robuste et défini comme la référence des algorithmes d'essaims particulaires,
  61 - "OGCR" (Simple PSO sans bornes sur les insectes ou les vitesses), algorithme simplifié d'essaim particulaire, déconseillé car peu robuste, mais parfois beaucoup plus rapide.
  62
  63 .. ------------------------------------ ..
  64 .. include:: snippets/Header2Algo02.rst
  65
  66 .. include:: snippets/Background.rst
  67
  68 .. include:: snippets/BackgroundError.rst
  69
  70 .. include:: snippets/Observation.rst
  71
  72 .. include:: snippets/ObservationError.rst
  73
  74 .. include:: snippets/ObservationOperator.rst
  75
  76 .. ------------------------------------ ..
  77 .. include:: snippets/Header2Algo03AdOp.rst
  78
  79 .. include:: snippets/BoundsWithNone.rst
  80
  81 .. include:: snippets/BoxBounds.rst
  82
  83 .. include:: snippets/CognitiveAcceleration.rst
  84
  85 .. include:: snippets/InertiaWeight.rst
  86
  87 .. include:: snippets/InitializationPoint.rst
  88
  89 .. include:: snippets/MaximumNumberOfFunctionEvaluations.rst
  90
  91 .. include:: snippets/MaximumNumberOfIterations_50.rst
  92
  93 .. include:: snippets/NumberOfInsects.rst
  94
  95 .. include:: snippets/QualityCriterion.rst
  96
  97 .. include:: snippets/SetSeed.rst
  98
  99 .. include:: snippets/SocialAcceleration.rst
 100
 101 StoreSupplementaryCalculations
 102   .. index:: single: StoreSupplementaryCalculations
 103
 104   *Liste de noms*. Cette liste indique les noms des variables supplémentaires,
 105   qui peuvent être disponibles au cours du déroulement ou à la fin de
 106   l'algorithme, si elles sont initialement demandées par l'utilisateur. Leur
 107   disponibilité implique, potentiellement, des calculs ou du stockage coûteux.
 108   La valeur par défaut est donc une liste vide, aucune de ces variables n'étant
 109   calculée et stockée par défaut (sauf les variables inconditionnelles). Les
 110   noms possibles pour les variables supplémentaires sont dans la liste suivante
 111   (la description détaillée de chaque variable nommée est donnée dans la suite
 112   de cette documentation par algorithme spécifique, dans la sous-partie
 113   "*Informations et variables disponibles à la fin de l'algorithme*") : [
 114   "Analysis",
 115   "BMA",
 116   "CostFunctionJ",
 117   "CostFunctionJb",
 118   "CostFunctionJo",
 119   "CurrentIterationNumber",
 120   "CurrentState",
 121   "Innovation",
 122   "OMA",
 123   "OMB",
 124   "SimulatedObservationAtBackground",
 125   "SimulatedObservationAtCurrentState",
 126   "SimulatedObservationAtOptimum",
 127   ].
 128
 129   Exemple :
 130   ``{"StoreSupplementaryCalculations":["CurrentState", "Residu"]}``
 131
 132 .. include:: snippets/VelocityClampingFactor.rst
 133
 134 .. ------------------------------------ ..
 135 .. include:: snippets/Header2Algo04.rst
 136
 137 .. include:: snippets/Analysis.rst
 138
 139 .. include:: snippets/CostFunctionJ.rst
 140
 141 .. include:: snippets/CostFunctionJb.rst
 142
 143 .. include:: snippets/CostFunctionJo.rst
 144
 145 .. ------------------------------------ ..
 146 .. include:: snippets/Header2Algo05.rst
 147
 148 .. include:: snippets/Analysis.rst
 149
 150 .. include:: snippets/BMA.rst
 151
 152 .. include:: snippets/CostFunctionJ.rst
 153
 154 .. include:: snippets/CostFunctionJb.rst
 155
 156 .. include:: snippets/CostFunctionJo.rst
 157
 158 .. include:: snippets/CurrentIterationNumber.rst
 159
 160 .. include:: snippets/CurrentState.rst
 161
 162 .. include:: snippets/Innovation.rst
 163
 164 .. include:: snippets/OMA.rst
 165
 166 .. include:: snippets/OMB.rst
 167
 168 .. include:: snippets/SimulatedObservationAtBackground.rst
 169
 170 .. include:: snippets/SimulatedObservationAtCurrentState.rst
 171
 172 .. include:: snippets/SimulatedObservationAtOptimum.rst
 173
 174 .. ------------------------------------ ..
 175 .. _section_ref_algorithm_ParticleSwarmOptimization_examples:
 176
 177 .. include:: snippets/Header2Algo06.rst
 178
 179 - :ref:`section_ref_algorithm_DerivativeFreeOptimization`
 180 - :ref:`section_ref_algorithm_DifferentialEvolution`
 181 - :ref:`section_ref_algorithm_TabuSearch`
 182
 183 .. ------------------------------------ ..
 184 .. include:: snippets/Header2Algo07.rst
 185
 186 - [WikipediaPSO]_
 187 - [ZambranoBigiarini13]_