Browsing by Author "Mohammed ,Redjimi"

Now showing 1 - 3 of 3
  • Thumbnail Image
    Item
    Contribution au Clustering de données : Adéquation d’approches et défis de domaines d’application
    (Université 20 août 1955 Skikda, 2024-04-30) Ibrahim, Zebiri; Mohammed ,Redjimi
    We are swamped in our daily lives by an ever-growing torrent of information, handled by intricate systems with insatiable demands for speed and efficiency. Gleaning knowledge and insights from this deluge requires adaptable techniques that flex with the harsh, ever-shifting realities of data processing. Data clustering, though classified as NP-Hard problem, shines as one such technique. To tackle these computationally prohibitive problems, we turn to metaheuristics, inspired by the marvels in the living world. These approximate solutions allow us to stay ahead of the curve, continually proposing new approaches and optimizing and combining existing ones to achieve high-performance, quality clustering. This thesis offers a short comprehensive exploration of data clustering, delving into its fundamental concepts, motivations, and diverse applications across scientific fields. It provides an in-depth analysis of the state-of-the-art in data clustering, encompassing its objectives, applications, techniques, and the various measures used to evaluate clustering results. Furthermore, the thesis introduces optimization methods inspired by real-world phenomena like genetic algorithms, rat swarm optimizer, and grey wolf optimizer, and explores their potential for effective data clustering. This work makes two notable contributions: the Rat Swarm Optimizer for Data Clustering (RSOC) and the Enhanced Grey Wolf Optimizer for Data Clustering (EGWAC). Both aim to address the limitations of some existing clustering techniques and enhance their performance. RSOC adapts the swarm intelligence metaheuristic RSO to data clustering challenges. It leverages its ability to escape local optima and premature convergence while exploring a broad solution space to find optimal cluster centers. The discussion section showcases RSOC’s performance on diverse datasets using various measures, including homogeneity, completeness, v-measure, purity, and error rate. Comparisons with state-of-the-art and recent algorithms demonstrate RSOC’s adaptability and superior performance in most cases. The second contribution (EGWAC) addresses an identifies the issue in the position updation mechanism of the original Grey Wolf Algorithm-based Clustering technique (GWAC). This issue arises from treating the order of cluster centers as significant for finding clusters, when in reality it only affects wolf position updates and can lead to inaccurate solutions. EGWAC optimizes this key element. Experiments on various data clustering benchmarksviii comparing EGWAC against GWAC and other well-known algorithms, using measures like precision, recall, g-measure, purity, and entropy, demonstrate its overall capability to identify optimal clusters.
  • Thumbnail Image
    Item
    Étude et Mise en OEuvre des Protocoles de Routage SEP, SEP-PSO et SEP-BPSO dans les Réseaux de Capteurs sans Fil
    (Faculté des Sciences, 2025) Boudjema ,Meriem; Louracia, Amina; Mohammed ,Redjimi
    Les réseaux de capteurs sans fil (RCSF) constituent une technologie clé pour la surveillance, la collecte et la transmission de données dans des environnements variés grâce à leur déploiement flexible et leur capacité d’auto-organisation. Leur adoption croissante dans des applications critiques (environnement, santé, industrie, sécurité) s’explique par leur simplicité de mise en oeuvre et leur potentiel d’innovation. Cependant, ces réseaux font face à des défis majeurs, notamment la gestion de l’énergie, la sécurité, la mobilité imprévisible des noeuds, l’agrégation des données et la conception de protocoles de routage efficaces. L’autonomie énergétique, en particulier, demeure un enjeu central, car la durée de vie du réseau dépend fortement de l’optimisation de la consommation des noeuds, souvent déployés dans des zones hostiles ou difficilement accessibles. Dans ce contexte, ce mémoire s’intéresse à l’optimisation du routage pour améliorer la durée de vie des RCSF. Nous étudions et comparons trois protocoles de routage : PSO (Particle Swarm Optimization), BPSO (Binary Particle Swarm Optimization) et SEP (Stable Election Protocol). PSO et BPSO sont des méta-heuristiques inspirées du comportement collectif, permettant une sélection optimisée des chefs de clusters, tandis que SEP est un protocole hiérarchique conçu pour les réseaux hétérogènes. L’objectif est d’analyser leur impact sur la consommation énergétique, la stabilité du réseau et l’efficacité de la transmission des données. Pour cela, nous avons implémenté ces protocoles sous MATLAB et mené une série de simulations comparatives. Les résultats montrent que les approches basées sur les méta-heuristiques (PSO et BPSO) surpassent le protocole SEP en termes de gestion énergétique et de durée de vie du réseau, grâce à une meilleure répartition de la charge entre les noeuds et une sélection plus judicieuse des chefs de clusters. Le protocole BPSO, en particulier, s’avère adapté à la nature binaire de la sélection des chefs, offrant ainsi une performance accrue. Cette étude met en évidence l’importance de l’intégration d’algorithmes d’optimisation intelligents dans la conception des protocoles de routage pour les RCSF, ouvrant la voie à des réseaux plus robustes, autonomes et économes en énergie.
  • Thumbnail Image
    Item
    Ordonnancement en ateliers à flux continu par approches métaheuristiques
    (Faculté des Sciences, 2025) Yamine, Kahoul; Oujdane ,Boustar; Mohammed ,Redjimi
    Ce mémoire traite du problème complexe de l’ordonnancement en ateliers à flux continu, un enjeu stratégique majeur pour l’optimisation des systèmes industriels modernes. L’objectif est d’améliorer la performance des lignes de production en minimisant des critères tels que le temps de fabrication total. Après une revue des méthodes existantes, principalement les heuristiques et métaheuristiques, l’étude propose une approche basée sur l’optimisation par essaims de particules, adaptée aux contraintes combinatoires du problème. L’approche proposée a été testée sur des jeux de données standardisés et comparée aux méthodes de l’état de l’art, démontrant une robustesse et une efficacité compétitives. Les résultats confirment la pertinence de cette approche et ouvrent des perspectives pour des améliorations futures, notamment par la prise en compte d’autres aspects méthodologiques avancés et des applications pratiques en milieu industriel