Métaheuristiques pour la robotique

Auteur(s) :

Daachi, Boubaker (1963-....) Découvrir l'auteur

Résumé

L'auteur expose les applications de la métaheuristique dans le domaine de la robotique afin d'apprendre à reformuler les problèmes grâce à l'optimisation et ainsi obtenir des résultats efficaces et performant sans faire appel à un échantillonnage extensif. Des exemples et des études de cas permettent une meilleure compréhension des lois de commandes en données concrètes d'optimisation. ©Electre 2020

Autre(s) auteur(s)
- Oulhadj, Hamouche
- Menasri, Riad (1986-....)
Éditeur(s)
- ISTE editions
Date
- C 2020
Langues
- Français
Description matérielle
- 1 vol. (VII-141 p.) : ill. en coul., graph. ; 24 cm
Collections
- Collection informatique
Sujet(s)
- Robotique
- Métaheuristiques
ISBN
- 978-1-78405-691-9
Indice
- 681.21 Algorithmes de programmation
Quatrième de couverture
- Série les métaheuristiques
  Métaheuristiques pour la robotique est consacré aux métaheuristiques d'optimisation et à leurs applications aux problèmes de génération de trajectoire et de contrôle-commande en robotique.
  En reformulant les problèmes à résoudre en simples problèmes d'optimisation, cet ouvrage examine la façon d'obtenir des résultats efficaces et performants au moyen de métaheuristiques, sans faire appel à un échantillonnage extensif de l'espace de recherche des solutions admissibles.
  Au travers d'exemples concrets et d'études de cas, relevant plus particulièrement de la robotique d'assistance, ce livre expose les éléments essentiels nécessaires pour reformuler les lois de commandes en données concrètes d'optimisation, plus faciles à gérer et à manipuler. Les approches de résolution ainsi que les résultats obtenus sont décrits en détail afin de donner une idée aussi claire que possible des métaheuristiques et de leurs performances dans le domaine de la robotique.
  La série
  Les métaheuristiques sont utilisées pour résoudre des problèmes d'optimisation complexes, à chaque fois que l'on veut identifier, avec un temps de calcul raisonnable, des solutions efficaces. Il s'agit donc d'une approche pragmatique, qui a des sources d'inspiration multiples. L'objectif de cette série est d'étendre le champ d'application des métaheuristiques, en proposant des approches transversales du domaine, des études centrées sur des applications spécifiques ou encore des analyses consacrées à des familles de métaheuristiques particulières.
Tables des matières
- - Métaheuristiques pour la robotique
  - Hamouche Oulhadj
  - Boubaker Daachi
  - Riad Menasri
  - iSTE
  - Avant-propos1
  - Introduction3
  - Chapitre 1. Optimisation : fondements théoriques et méthodes9
  - 1.1. Formalisation d'un problème d'optimisation9
  - 1.2. Méthodes d'optimisation sous contraintes14
  - 1.2.1. Méthode des multiplicateurs de Lagrange16
  - 1.2.1.1. Conditions d'optimalité nécessaires16
  - 1.2.1.2. Conditions nécessaires et suffisantes17
  - 1.2.2. Méthode de la pénalisation quadratique18
  - 1.2.3. Méthode des pénalités intérieures18
  - 1.2.4. Méthode des pénalités extérieures19
  - 1.2.5. Méthode du lagrangien augmenté20
  - 1.3. Classification des méthodes d'optimisation21
  - 1.3.1. Les méthodes déterministes22
  - 1.3.1.1. Les méthodes heuristiques23
  - 1.3.1.2. Les méthodes analytiques23
  - 1.3.2. Les méthodes stochastiques24
  - 1.3.2.1. Les méthodes de Monte-Carlo25
  - 1.3.2.2. Les métaheuristiques25
  - 1.4. Conclusion26
  - 1.5. Bibliographie27
  - Chapitre 2. Les métaheuristiques en robotique31
  - 2.1. Introduction31
  - 2.2. Métaheuristiques pour les problèmes de planification de trajectoire32
  - 2.2.1. Planification de chemins33
  - 2.2.1.1. Planification dans l'espace articulaire34
  - 2.2.1.2. Planification dans l'espace cartésien34
  - 2.2.1.3. Planification hybride : espace articulaire vers espace cartésien38
  - 2.2.1.4. Planification hybride : espace cartésien vers espace articulaire40
  - 2.2.2. Génération de trajectoire44
  - 2.3. Métaheuristiques pour les problèmes de contrôle-commande46
  - 2.4. Conclusion50
  - 2.5. Bibliographie51
  - Chapitre 3. Les métaheuristiques pour la planification de trajectoire avec et sans contraintes53
  - 3.1. Introduction53
  - 3.2. Évitement d'obstacles54
  - 3.3. Problème d'optimisation à deux niveaux58
  - 3.4. Formulation du problème de planification de trajectoire59
  - 3.4.1. Fonctions objectifs60
  - 3.4.2. Contraintes61
  - 3.5. Résolution avec un algorithme bigénétique62
  - 3.6. Simulation sur le modèle du robot Neuromate66
  - 3.6.1. Modèle géométrique du robot Neuromate66
  - 3.6.2. Modèle cinématique du robot Neuromate69
  - 3.6.3. Résultats de simulation71
  - 3.7. Conclusion80
  - 3.8. Bibliographie81
  - Chapitre 4. Les métaheuristiques pour la génération de trajectoire par interpolation polynomiale83
  - 4.1. Introduction83
  - 4.2. Description du problème traité84
  - 4.3. Formalisation86
  - 4.3.1. Critères86
  - 4.3.2. Contraintes88
  - 4.4. Résolution89
  - 4.4.1. Lagrangien augmenté89
  - 4.4.2. Opérateurs génétiques91
  - 4.4.2.1. Opérateur de sélection92
  - 4.4.2.2. Opérateur de croisement92
  - 4.4.2.3. Opérateur de mutation92
  - 4.4.3. Codage d'une solution94
  - 4.5. Résultats de simulation94
  - 4.6. Conclusion110
  - 4.7. Bibliographie111
  - Chapitre 5. Essaim particulaire pour la commande d'exosquelettes113
  - 5.1. Introduction113
  - 5.2. Système et problème considérés114
  - 5.2.1. Représentation et modèle du système considérés114
  - 5.2.2. Problématique considérée116
  - 5.3. Algorithme de contrôle proposé117
  - 5.3.1. Algorithme PSO standard117
  - 5.3.2. Approche de commande proposée119
  - 5.4. Résultats expérimentaux125
  - 5.5. Conclusion132
  - 5.6. Bibliographie132
  - Conclusion135
  - Index139
Origine de la notice:
- Abes ;
- Electre