Scribd
Importer
6 vues2 pages

Optimisation de l'Ordonnancement PSO

L'algorithme PSO démontre une convergence rapide vers une solution optimale en moins de 20 itérations, améliorant ainsi la planification des tâches. Avant optimisation, le temps total d'exécution était de 9 unités, tandis qu'après optimisation, il a été réduit à 7 unités, représentant une réduction de 22 %. Cette présentation souligne l'efficacité de PSO dans l'optimisation opérationnelle.

Transféré par

Boutayna J03
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
6 vues2 pages

Optimisation de l'Ordonnancement PSO

L'algorithme PSO démontre une convergence rapide vers une solution optimale en moins de 20 itérations, améliorant ainsi la planification des tâches. Avant optimisation, le temps total d'exécution était de 9 unités, tandis qu'après optimisation, il a été réduit à 7 unités, représentant une réduction de 22 %. Cette présentation souligne l'efficacité de PSO dans l'optimisation opérationnelle.

Transféré par

Boutayna J03
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Optimisation de l’Ordonnancement par

l’Algorithme PSO

Objectif de la présentation
Montrer l’efficacité de l’algorithme PSO à travers :
1. Son comportement de convergence (Image 1),
2. Une planification initiale non optimisée (Image 2),
3. Une planification optimisée après application de PSO (Image 3).

1. Convergence de l’algorithme PSO


Image 1 : Convergence de l’algorithme PSO
À dire :

Cette courbe montre l’évolution de la fitness en fonction des itérations de l’algo-


rithme PSO.
On remarque que la valeur de fitness diminue rapidement pendant les premières
itérations, ce qui indique une amélioration rapide de la solution.
Ensuite, la courbe devient plus stable, ce qui signifie que l’algorithme converge vers
une solution optimale.
Cela démontre la capacité du PSO à explorer rapidement l’espace de recherche, puis
à exploiter efficacement les bonnes solutions.

Conclusion : Le PSO converge efficacement en moins de 20 itérations vers une


solution de fitness proche de 0, ce qui reflète une planification optimisée.

2. Planification avant optimisation


Image 2 : Planification avant optimisation
À dire :

1
Cette figure représente la planification initiale avant optimisation.
Les tâches sont organisées de manière séquentielle :
— Tâche 1 commence à 0 et finit à 3.
— Tâche 2 débute juste après, de 3 à 7.
— Tâche 3 commence ensuite, de 7 à 9.
Le temps total d’exécution est donc de 9 unités de temps.

Remarque : Il n’y a pas de chevauchement ni d’optimisation du calendrier, ce qui


laisse place à des améliorations.

3. Planification après optimisation par PSO


Image 3 : Planification après optimisation par PSO
À dire :

Après application de l’algorithme PSO, la planification a été optimisée :


— Tâche 1 reste en première position, de 0 à 2.
— Tâche 2 commence immédiatement après, de 2 à 5.
— Tâche 3 suit, de 5 à 7.
Grâce à une meilleure allocation des ressources et à une réduction des temps morts,
le temps total est réduit à 7 unités de temps.

Conclusion : On observe un gain de 2 unités de temps, soit environ 22 % de


réduction du temps d’exécution global grâce à l’optimisation.

Conclusion globale
À dire :

En résumé, l’algorithme PSO a permis une amélioration significative de la planifi-


cation des tâches :
— Il converge rapidement vers une solution optimale,
— Il réduit les temps d’exécution en minimisant les temps morts,
— Il illustre l’intérêt de l’intelligence artificielle dans l’optimisation opération-
nelle.

Vous aimerez peut-être aussi