Publisher's Synopsis
Les Algorithmes Evolutionnaires (AEs) repr�sentent une famille d'algorithmes fond�s sur la th�orie Darwinienne. Ils font �voluer une population d'individus vers l'optimum d'une fonction. Ils sont caract�ris�s par leur capacit� de diriger la recherche vers les zones prometteuses. Cependant, ces m�taheuristiques poss�dent quelques faiblesses. Une fa�on de les surmonter est de combiner ces AEs avec d'autres m�thodes de recherche, ce ph�nom�ne est appel� l'hybridation. La plus connue est l'hybridation avec les m�thodes de recherche locale (RL) qui ont la capacit� � d�tecter les optima locaux. Le r�sultat d'une telle hybridation est appel� Algorithme M�m�tique (AM). Plusieurs AMs ont montr� de tr�s bons r�sultats dans la r�solution de probl�mes r�els dans un cadre mono-objectif. C'est pour cette raison, la communaut� scientifique a opt� vers le d�veloppement d'AMs pour le cadre multi-objectif. La plupart des AMs multi-objectifs visent la r�solution des probl�mes r�els plut�t que le d�veloppement du cadre conceptuel de tels algorithmes. Dans ce travail, nous pr�sentons les probl�mes de conception des AMs multi-objectifs. Ainsi, nous d�veloppons un AM multi-objectif (PHC-NSGA-II)