AI 词汇表
人工智能完整词典
Colonie de Fourmis
Ensemble d'agents artificiels simulant le comportement collectif des fourmis réelles pour résoudre des problèmes d'optimisation combinatoire. Chaque agent construit itérativement une solution en s'appuyant sur l'information collective accumulée via les traces de phéromones.
Heuristique Locale
Information a priori sur la désirabilité des composants pour construire une solution, indépendante des phéromones. Cette métrique guide les fourmis vers des choix localement prometteurs lors de la construction de solutions.
Mise à Jour Globale
Phase où les phéromones sont déposées sur les meilleures solutions trouvées par toutes les fourmis après une itération complète. Ce renforcement encourage l'exploration des zones prometteuses de l'espace de recherche.
Mise à Jour Locale
Dépôt ou évaporation de phéromones effectué par chaque fourmi immédiatement après avoir traversé une composante. Cette action permet d'éviter que toutes les fourmis ne convergent vers le même chemin prématurément.
Fourmi Élite
Fourmi virtuelle supplémentaire qui renforce uniquement la meilleure solution globale découverte depuis le début de l'algorithme. Ce mécanisme accélère la convergence vers des solutions de haute qualité.
Matrice Tau
Structure de données stockant les concentrations de phéromones entre toutes les paires de composants du problème. Cette matrice est mise à jour dynamiquement et représente la mémoire collective de la colonie.
Matrice Eta
Matrice contenant les valeurs heuristiques statiques entre les composants du problème. Ces informations restent constantes durant l'exécution et guident les fourmis vers des choix localement optimaux.
Taux d'Évaporation Rho
Paramètre contrôlant la vitesse de décroissance des phéromones entre 0 et 1. Une valeur élevée favorise l'oubli rapide et l'exploration, tandis qu'une faible valeur préserve l'information acquise plus longtemps.
Initialisation des Pheromones
Phase préparatoire où toutes les pistes de phéromones reçoivent une valeur initiale uniforme ou basée sur une heuristique. Cette étape influence la trajectoire initiale de l'algorithme et sa vitesse de convergence.
Convergence de l'ACO
État où la majorité des fourmis suivent le même chemin optimal, indiquant que l'algorithme a stabilisé sa solution. La convergence est mesurée par l'entropie des distributions de probabilités de transition.
Hybridation ACO
Combinaison de l'optimisation par colonie de fourmis avec d'autres métaheuristiques ou techniques d'optimisation locale. Cette approche vise à améliorer les performances en exploitant les forces complémentaires de chaque méthode.
Fourmilière Parallèle
Architecture d'exécution où plusieurs colonies indépendantes fonctionnent simultanément avec périodiquement un échange d'informations. Cette parallélisation accélère la convergence et améliore la robustesse de la recherche.