Algorithme mémétique basé sur une région mis à jour dynamiquement pour la Session Spéciale CEC 2013 et la Compétition sur l'Optimisation d'Objectif Unique à Paramètres Réels

Dans cet article, nous présentons un algorithme mémétique qui combine, dans un cadre de recherche locale en chaîne, un algorithme génétique à état stable comme algorithme évolutif et un CMA-ES comme méthode de recherche locale. C'est une extension d'un algorithme déjà présenté qui utilise une stratégie de niche basée sur une région et qui a prouvé son efficacité sur des problèmes d'optimisation à paramètres réels. Dans cette nouvelle version, nous proposons de mettre à jour dynamiquement la taille de la niche afin de la rendre moins dépendante de ce paramètre critique. De plus, nous avons utilisé un outil de configuration automatique pour optimiser ses paramètres et montrer que la version optimisée de cet algorithme est significativement meilleure que celle avec ses paramètres par défaut. Nous avons testé cet algorithme lors de la Session Spéciale et de la Compétition sur l'Optimisation à Paramètres Réels du Congrès IEEE sur l'Évolution 2013.