AI 용어집
인공지능 완전 사전
Optimisation par essaims particulaires multi-objectif (MOPSO)
Algorithme métaheuristique inspiré du comportement social d'essaims, adapté pour explorer simultanément le front de Pareto dans des problèmes multi-tâches.
NSGA-II (Non-dominated Sorting Genetic Algorithm II)
Algorithme évolutionnaire élite préservant qui utilise un tri rapide non-dominé et un calcul de distance de crowding pour maintenir la diversité sur le front de Pareto.
Diversité (Diversity)
Capacité d'un algorithme multi-objectif à générer des solutions réparties uniformément sur tout le front de Pareto, évitant la concentration dans des régions spécifiques.
Décomposition basée sur les points de référence (RBF)
Technique qui décompose le problème multi-objectif en plusieurs sous-problèmes mono-objectifs en utilisant des points de référence pour guider la recherche.
MOEA/D (Multi-objective Evolutionary Algorithm based on Decomposition)
Algorithme qui résout des problèmes multi-objectifs en les décomposant en un ensemble de problèmes mono-objectifs optimisés simultanément.
Distance de crowding
Métrique utilisée pour estimer la densité de solutions autour d'un point particulier sur le front de Pareto, favorisant les solutions dans des régions moins peuplées.
Dominance
Relation entre deux solutions où une solution en domine une autre si elle est au moins aussi bonne pour tous les objectifs et strictement meilleure pour au moins un.
Optimisation robuste multi-objectif
Approche qui cherche des solutions performantes non seulement pour des paramètres nominaux mais aussi face à des incertitudes et variations dans l'environnement.
Pareto-Échelonnement (Pareto Ranking)
Processus de classification des solutions en différents fronts de non-dominance, où le premier front contient les solutions Pareto-optimales.
Niche sharing
Technique de maintien de la diversité qui pénalise les solutions similaires, encourageant l'exploration de différentes régions du front de Pareto.
Point de référence (Reference Point)
Point dans l'espace des objectifs utilisé pour guider la recherche vers des régions d'intérêt spécifiques du front de Pareto.
Optimisation préférentielle
Approche qui intègre les préférences du décideur directement dans le processus d'optimisation pour focaliser la recherche sur des régions pertinentes du front de Pareto.