Abstract:
Ce travail est sous forme d’une étude comparative entre quatre algorithmes génétiques multi-objectifs : le NSGA II, le SPEA II, le FastPGA et le MOCell. Elle est menée en utilisant des fonctions de test afin d’évaluer les performances (convergence et diversité) de chaque algorithme. Nous avons utilisé des méthodes de statistiques afin d’interpréter les résultats et de les comparer afin de déterminer quel sont les Algorithmes génétiques les mieux adaptés pour chaque type de problème. Ce mémoire est divisé en quatre parties la première est une généralité sur les algorithmes génétiques simples, les deuxième et troisième parties sont une étude détaillée sur l’optimisation multi-objectif par algorithmes génétiques, la quatrième partie est l’étude comparative par simulation.
