Skip to content

Latest commit

 

History

History
23 lines (16 loc) · 1.05 KB

README.md

File metadata and controls

23 lines (16 loc) · 1.05 KB

Fil rouge

Yishan Sun, Simon Kurney, Pablo Aldana, Cédric Jung, Baptiste Deconihout, Zoé Poupardin

Compte Rendu Présentation

Organisation des fichiers

  • Dans agents/, on retrouve les agents avec la méthode QLearning implémenté uniquement pour l'Algorithme Génétique
  • Dans agents_multithreads/, on retrouve le SMA en version multithreads sans QLearning
  • Dans agents_multiprocess/, on retrouve le SMA en version multicores avec QLearning implémenté pour les trois algorithmes (AG, RS, Tabou)
  • Dans mesa-tea/, on retourve un TEA qui nous avait été demandé
  • Dans rs, l'algoritme du recuit simulé
  • Dans rs_QL, l'algoritme du recuit simulé avec QLearning
  • Dans tabou, l'algoritme tabou
  • Dans tabou_QL, l'algoritme tabou avec QLearning

Le dossier agents_multiprocess/ est donc notre dossier final. On a dans ce dossier le fichier AGentmodel.py qui est notre fichier principal avec l'agent SMA. Le fichier big_example.py peut être executer pour tester le tout avec un un exemple de 50 clients.