Je suis tout a fait d'accord avec cette idée. A mon avis, le problème des emplois du temps est un problème qui doit avoir des solutions satisfaisantes utilisant une algorithmique génétique. Par contre, je ne voit pas en quoi le langage devrait etre absolument orienté objet, l'essentiel est de trouver un langage qui te permet d'exprimer la finalité de ton approche. Il existe pas mal de librairies qui implémentent les fonctionalités de base pour l'algorithmique évolutionniste, perso, je te recommande beagle, codée en C++.
Pour en revenir à ton problème, "tout est dans le choix Néo", il faut que tu choisisse le mode de développement qui corresponde à ton modèle :
* exhaustif : tu cherche toutes les solutions et choisi la meilleure (pas conseillé pour ce genre de pb)
* basé modèle : tu pose le cadre d'un modèle et cherche à optimiser des paramètres (ex : algo géné)
* basé exemples : tu cherche à faire de la régréssion sur une base d'exemples (ex : réseaux de neurones artificiels)
* basé connaissance : tu cherche à établir un modèle précis du processus (ex : logique floue, reseau bayesiens ...)
* basé apprentissage : tu as une entité qui cherche à découvrir son environnement. (ex : SARSA, QLearning)
[^] # Re: Algo Genetique
Posté par Pol' uX (site web personnel) . En réponse au message Optimisation et Recherche opérationnelle : quel algo ?. Évalué à 1.
Pour en revenir à ton problème, "tout est dans le choix Néo", il faut que tu choisisse le mode de développement qui corresponde à ton modèle :
* exhaustif : tu cherche toutes les solutions et choisi la meilleure (pas conseillé pour ce genre de pb)
* basé modèle : tu pose le cadre d'un modèle et cherche à optimiser des paramètres (ex : algo géné)
* basé exemples : tu cherche à faire de la régréssion sur une base d'exemples (ex : réseaux de neurones artificiels)
* basé connaissance : tu cherche à établir un modèle précis du processus (ex : logique floue, reseau bayesiens ...)
* basé apprentissage : tu as une entité qui cherche à découvrir son environnement. (ex : SARSA, QLearning)
Bonne chance ...
Adhérer à l'April, ça vous tente ?