Analyse Expérimentale et Benchmarking d'Algorithmes d'Optimisation en IA
Fuente:
Zenodo
Salvato in:
| Autore principale: | |
|---|---|
| Natura: | Recurso digital |
| Pubblicazione: |
Zenodo
2026
|
| Accesso online: | |
| Tags: |
Aggiungi Tag
Nessun Tag, puoi essere il primo ad aggiungerne!!
|
| _version_ | 1866901080794726400 |
|---|---|
| author | lakhsim, ikram |
| author_facet | lakhsim, ikram |
| contents | <p><span>Analyse Expérimentale et Benchmarking d'Algorithmes d'Optimisation en IA</span></p> <p><span>Auteur</span> : Ikram LAKHSIM</p> <p><span>Encadrant</span> : Arnaud Liefooghe</p> <p><span>Établissement</span>: EILCO – ING2 INFO, 2024-2025 </p> <p><span>Description</span> :</p> <p>Ce projet compare trois algorithmes d'optimisation (DE, PSO, RANDOMSEARCH) sur le benchmark BBOB (5 fonctions, dimensions 2/5/10, 30 runs).</p> <p><span>Contenu du dépôt</span></p> <ul> <li><span>`</span>presentrech_Etape1.ipynb<span>`</span> : analyse de DE sur f1-Sphère (dim=5)</li> <li><span>`</span>presentrech_Etape2.ipynb<span>`</span> : DE sur 5 fonctions x 3 dimensions</li> <li><span>`presentrech_Etape3.ipynb</span><span>`</span> : comparaison DE vs PSO vs RANDOMSEARCH</li> <li><span>`results/`</span> : valeurs finales brutes (.txt) pour chaque configuration</li> <li><span>`figures/`</span> : toutes les figures générées (.png) </li> </ul> <p><span>Dépendances</span></p> <p>Python 3.12 avec les bibliothèques suivantes : </p> <p><span>```</span> <span>pip install numpy scipy matplotlib</span> <span>```</span></p> <p><span>Comment reproduire les résultats :</span></p> <p><span>```</span> <span>cd scripts/</span> <span>```</span></p> <p>Les figures seront générées dans <span>`figures/`</span> et les données dans <span>`results/`</span>.</p> <p><span>Graine aléatoire :</span></p> <p>Toutes les expériences utilisent <span>`np.random.seed(42)`</span> pour garantir la reproductibilité exacte des résultats. <span>```</span> </p> |
| format | Recurso digital |
| id | zenodo_https___doi_org_10_5281_zenodo_19342088 |
| institution | Zenodo |
| language | |
| publishDate | 2026 |
| publisher | Zenodo |
| record_format | zenodo |
| spellingShingle | Analyse Expérimentale et Benchmarking d'Algorithmes d'Optimisation en IA lakhsim, ikram <p><span>Analyse Expérimentale et Benchmarking d'Algorithmes d'Optimisation en IA</span></p> <p><span>Auteur</span> : Ikram LAKHSIM</p> <p><span>Encadrant</span> : Arnaud Liefooghe</p> <p><span>Établissement</span>: EILCO – ING2 INFO, 2024-2025 </p> <p><span>Description</span> :</p> <p>Ce projet compare trois algorithmes d'optimisation (DE, PSO, RANDOMSEARCH) sur le benchmark BBOB (5 fonctions, dimensions 2/5/10, 30 runs).</p> <p><span>Contenu du dépôt</span></p> <ul> <li><span>`</span>presentrech_Etape1.ipynb<span>`</span> : analyse de DE sur f1-Sphère (dim=5)</li> <li><span>`</span>presentrech_Etape2.ipynb<span>`</span> : DE sur 5 fonctions x 3 dimensions</li> <li><span>`presentrech_Etape3.ipynb</span><span>`</span> : comparaison DE vs PSO vs RANDOMSEARCH</li> <li><span>`results/`</span> : valeurs finales brutes (.txt) pour chaque configuration</li> <li><span>`figures/`</span> : toutes les figures générées (.png) </li> </ul> <p><span>Dépendances</span></p> <p>Python 3.12 avec les bibliothèques suivantes : </p> <p><span>```</span> <span>pip install numpy scipy matplotlib</span> <span>```</span></p> <p><span>Comment reproduire les résultats :</span></p> <p><span>```</span> <span>cd scripts/</span> <span>```</span></p> <p>Les figures seront générées dans <span>`figures/`</span> et les données dans <span>`results/`</span>.</p> <p><span>Graine aléatoire :</span></p> <p>Toutes les expériences utilisent <span>`np.random.seed(42)`</span> pour garantir la reproductibilité exacte des résultats. <span>```</span> </p> |
| title | Analyse Expérimentale et Benchmarking d'Algorithmes d'Optimisation en IA |
| url | https://doi.org/10.5281/zenodo.19342088 |