L’optimisation multi-objectif pour Machine Learning : Etat de l’art et étude de cas .

Abstract

Dans ce mémoire, nous explorons l’optimisation multi-objectif dans les réseaux de neurones artificiels (RNA) et machine learning. Le premier chapitre présente une introduction détaillée à l’optimisation multi-objectif, en abordant les bases, la dominance, l’efficacité, et le front de Pareto, ainsi que les méthodes de résolution exactes, approchées et évolutionnaires. Le deuxième chapitre se concentre sur machine learning, en particulier le deep learning et les réseaux neuronaux, et explique leurs principes fondamentaux. Le troisième chapitre examine l’application de l’optimisation multi-objectif aux réseaux neuronaux artificiels évolutifs, en présentant l’état de l’art, les algorithmes utilisés, les résultats expérimentaux et les perspectives futures. La conclusion générale résume les points clés et propose des suggestions pour des recherches futures.