Résumé:
Le but de notre mémoire est d étudier le comportement des algorithmes génétiques pour la
résolution d un problème d optimisation combinatoire tel que le probléme du P-médian.
Malgré le caractère non déterministe des algorithmes génétiques, ils restent trés e¢ caces et
surtout pour des problèmes de grande taille. Néanmoins la présence de plusieurs paramètres
(mutation , croisement , séléction , remplacement , le choix de la taille de la population,
...etc.) dans l algorithme génétique, rend impossible la confection d une procédure universelle
pour tous les problèmes : les paramètres sont à dé nir pour chaque problème à traiter.
Se basant uniquement sur la bibliothèque "OR Library", comportant 40 exemples, l algo-
rithme génétique que nous proposons s avère être e¢ cace par rapport à la procédure ADE[8].
Bien que les algorithmes génétiques fournissent des solutions accéptables en un temps raison-
nable, nous n avons aucune garantie quant à la qualité de ces dernières. Il serait donc plus
judicieux de combiner l algorithme génétique avec d autres procédures déterministes.
Nous terminons notre travail par une citation de David Goldberg et Kosoruko¤, deux grands
spécialistes du domaine qui ont le plus contribué à la di¤usion et la vulgarisation des algo-
rithmes génétiques :
"La principale conclusion est que les AG ont déjà dépassé le cadre seul de
leur applications dans le monde réel des systèmes vivants, ils sont prêts à entrer
dans les systèmes arti ciels et ils ont même déjà fait leurs premiers pas dans cette
direction".
