Systèmes Complexes

1.    Objectifs de l’enseignement.
Les systèmes complexes possèdent leurs propres aspects du point de vue résolution. L’objectif est de fournir à l’étudiant les approches évoluées pour la modélisation des systèmes complexes.

2.    Connaissances préalables recommandées
Matière : intelligence artificielle, système parallèle

3.    Contenu de la matière :

·       Chapitre 1 Etat de l’art sur les systèmes complexes

·       Chapitre 2 Les approches classiques

·       Chapitre 3 Les algorithmes génétiques

·       Chapitre 4 Les réseaux de neurones

·       Chapitre 5 Les automates cellulaire et quantique

4.    Mode d’évaluation :
Examen final 75% + 25% note TP

5.    Références

·         Z. Michalewics, “Genetic Algorithms + Data Structures = Evolution Programs”, Springer,
1996.

·         A.E Eiben, J.E Smith: “Introduction to Evolutionary Computing”, Springer, 2003.

·         W.M Spears: “Evolutionary Algorithms: The Role of Mutation and Recombination”, Springer, 2004.