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 ; CanonicalPSO
  57     pair: Variant ; OGCR
  58     pair: Variant ; SPSO-2011
  59
  60 - "CanonicalPSO" (Canonical Particule Swarm Optimisation, voir [ZambranoBigiarini13]_), algorithme classique dit "canonique" d'essaim particulaire, robuste et définissant une référence des algorithmes d'essaims particulaires,
  61 - "OGCR" (Simple Particule Swarm Optimisation), algorithme simplifié d'essaim particulaire sans bornes sur les insectes ou les vitesses, déconseillé car peu robuste, mais parfois beaucoup plus rapide,
  62 - "SPSO-2011" (Standard Standard Particle Swarm Optimisation 2011, voir [ZambranoBigiarini13]_), algorithme de référence 2011 d'essaim particulaire, robuste, performant et défini comme une référence des algorithmes d'essaims particulaires.
  63
  64 .. ------------------------------------ ..
  65 .. include:: snippets/Header2Algo02.rst
  66
  67 .. include:: snippets/Background.rst
  68
  69 .. include:: snippets/BackgroundError.rst
  70
  71 .. include:: snippets/Observation.rst
  72
  73 .. include:: snippets/ObservationError.rst
  74
  75 .. include:: snippets/ObservationOperator.rst
  76
  77 .. ------------------------------------ ..
  78 .. include:: snippets/Header2Algo03AdOp.rst
  79
  80 .. include:: snippets/BoundsWithNone.rst
  81
  82 .. include:: snippets/BoxBounds.rst
  83
  84 .. include:: snippets/CognitiveAcceleration.rst
  85
  86 .. include:: snippets/InertiaWeight.rst
  87
  88 .. include:: snippets/InitializationPoint.rst
  89
  90 .. include:: snippets/MaximumNumberOfFunctionEvaluations.rst
  91
  92 .. include:: snippets/MaximumNumberOfIterations_50.rst
  93
  94 .. include:: snippets/NumberOfInsects.rst
  95
  96 .. include:: snippets/QualityCriterion.rst
  97
  98 .. include:: snippets/SetSeed.rst
  99
 100 .. include:: snippets/SocialAcceleration.rst
 101
 102 StoreSupplementaryCalculations
 103   .. index:: single: StoreSupplementaryCalculations
 104
 105   *Liste de noms*. Cette liste indique les noms des variables supplémentaires,
 106   qui peuvent être disponibles au cours du déroulement ou à la fin de
 107   l'algorithme, si elles sont initialement demandées par l'utilisateur. Leur
 108   disponibilité implique, potentiellement, des calculs ou du stockage coûteux.
 109   La valeur par défaut est donc une liste vide, aucune de ces variables n'étant
 110   calculée et stockée par défaut (sauf les variables inconditionnelles). Les
 111   noms possibles pour les variables supplémentaires sont dans la liste suivante
 112   (la description détaillée de chaque variable nommée est donnée dans la suite
 113   de cette documentation par algorithme spécifique, dans la sous-partie
 114   "*Informations et variables disponibles à la fin de l'algorithme*") : [
 115   "Analysis",
 116   "BMA",
 117   "CostFunctionJ",
 118   "CostFunctionJb",
 119   "CostFunctionJo",
 120   "CurrentIterationNumber",
 121   "CurrentState",
 122   "Innovation",
 123   "OMA",
 124   "OMB",
 125   "SimulatedObservationAtBackground",
 126   "SimulatedObservationAtCurrentState",
 127   "SimulatedObservationAtOptimum",
 128   ].
 129
 130   Exemple :
 131   ``{"StoreSupplementaryCalculations":["CurrentState", "Residu"]}``
 132
 133 .. include:: snippets/Variant_PSO.rst
 134
 135 .. include:: snippets/VelocityClampingFactor.rst
 136
 137 .. ------------------------------------ ..
 138 .. include:: snippets/Header2Algo04.rst
 139
 140 .. include:: snippets/Analysis.rst
 141
 142 .. include:: snippets/CostFunctionJ.rst
 143
 144 .. include:: snippets/CostFunctionJb.rst
 145
 146 .. include:: snippets/CostFunctionJo.rst
 147
 148 .. ------------------------------------ ..
 149 .. include:: snippets/Header2Algo05.rst
 150
 151 .. include:: snippets/Analysis.rst
 152
 153 .. include:: snippets/BMA.rst
 154
 155 .. include:: snippets/CostFunctionJ.rst
 156
 157 .. include:: snippets/CostFunctionJb.rst
 158
 159 .. include:: snippets/CostFunctionJo.rst
 160
 161 .. include:: snippets/CurrentIterationNumber.rst
 162
 163 .. include:: snippets/CurrentState.rst
 164
 165 .. include:: snippets/Innovation.rst
 166
 167 .. include:: snippets/OMA.rst
 168
 169 .. include:: snippets/OMB.rst
 170
 171 .. include:: snippets/SimulatedObservationAtBackground.rst
 172
 173 .. include:: snippets/SimulatedObservationAtCurrentState.rst
 174
 175 .. include:: snippets/SimulatedObservationAtOptimum.rst
 176
 177 .. ------------------------------------ ..
 178 .. _section_ref_algorithm_ParticleSwarmOptimization_examples:
 179
 180 .. include:: snippets/Header2Algo06.rst
 181
 182 - :ref:`section_ref_algorithm_DerivativeFreeOptimization`
 183 - :ref:`section_ref_algorithm_DifferentialEvolution`
 184 - :ref:`section_ref_algorithm_TabuSearch`
 185
 186 .. ------------------------------------ ..
 187 .. include:: snippets/Header2Algo07.rst
 188
 189 - [WikipediaPSO]_
 190 - [ZambranoBigiarini13]_