Options d'inscription
1. Objectifs
de l’enseignement.
Les systèmes complexes possèdent leurs propres aspects du point de vue
résolution. L’objectif est de fournir à l’étudiant les approches évoluées pour
la modélisation des systèmes complexes.
2. Connaissances
préalables recommandées
Matière : intelligence artificielle, système parallèle
3. Contenu de la matière :
· Chapitre 1 Etat de l’art sur les systèmes complexes
· Chapitre 2 Les approches classiques
· Chapitre 3 Les algorithmes génétiques
· Chapitre 4 Les réseaux de neurones
· Chapitre 5 Les automates cellulaire et quantique
4.
Mode d’évaluation :
Examen final 75% + 25% note TP
5. Références
·
Z.
Michalewics, “Genetic Algorithms + Data Structures = Evolution Programs”,
Springer,
1996.
· A.E Eiben, J.E Smith: “Introduction to Evolutionary Computing”, Springer, 2003.
· W.M Spears: “Evolutionary Algorithms: The Role of Mutation and Recombination”, Springer, 2004.
- Enseignant: Hamida Ammar