DSpace

Le domaine de l'intelligence en essaim joue un rôle crucial dans l'intelligence artificielle car il offre plusieurs avantages, notamment sa robustesse dans la résolution de problèmes complexes de manière distribuée et décentralisée impliquant des systèmes multi-agents. Leur adaptation à des environnements dynamiques et de haute dimension est également un aspect critique qui les rend inestimables pour les problèmes du monde réel. Il s'agit d'approches bio-inspirées dont les performances ouvrent la voie à des méthodes d'IA hybrides, améliorant les capacités de résolution de problèmes tout en renforçant leur importance dans le domaine de l'intelligence artificielle qui est en constante évolution. Dans cette thèse, nous avons choisi d'aborder plusieurs problèmes sur la base d'une nouvelle proposition impliquant l'introduction d'un algorithme d'intelligence en essaim: the Artificial Orca Algorithm (AOA), qui adhère méticuleusement aux principes des algorithmes d'intelligence en essaim et s'inspire d'un mammifère fascinant connu sous le nom d'"Orque". En outre, nous avons introduit trois méthodes hybrides sur la base de AOA, à savoir Opposition Artificial Orca Learning Algorithm (OAOLA), le Deep Self-Learning Artificial Orca Algorithm (DSLAOA), et l'Opposition Deep Self-Learning Artificial Orca Algorithm (ODSLAOA), tous capables de rechercher des solutions optimales à des défis d'optimisation de référence. En réponse au défi posé par la pandémie de COVID-19, nous avons ensuite proposé une version discrète des SIAs pour trouver le meilleur modèle du problème de distribution des ambulances et de relocalisation dans les situations d'urgence. Ainsi, nous suggérons la version discrète de l'AOA et du DSLAOA pour gérer la distribution des véhicules d'urgence lors de la réception des appels et leur relocalisation pour une couverture optimale lors de la réponse aux urgences, minimisant ainsi les pertes humaines dans cette situation difficile qu'est la pandémie COVID-19. Outre ces catastrophes naturelles, les humains sont confrontés à des menaces de piratage de la vie privée. Par conséquent, dans notre troisième contribution, nous intégrons l'AOA aux méthodes d'apprentissage automatique pour l'optimisation des paramètres, en exploitant les capacités du GPU pour l'exécution parallèle afin de modéliser un système de détection d'intrusion efficace.