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.