Fonctionnement de l’outil Générer des zones équilibrées
L’outil Générer des zones équilibrées utilise un algorithme génétique pour créer des zones spatialement contiguës dans votre zone d’étude en fonction des critères que vous spécifiez. Vous pouvez créer des zones qui contiennent un nombre égal d’entités, qui sont similaires du point de vue d’un ensemble de valeurs attributaires, ou les deux à la fois. Il existe également des options pour sélectionner des zones ayant des surfaces approximativement identiques, étant aussi compactes que possible, et qui conservent des résumés statistiques constants (telles que les moyennes et les proportions) des autres variables.
Exemples de scénarios
Il est possible d’utiliser cet outil dans les types de scénarios suivants :
Une enseigne commerciale souhaite créer des secteurs où chaque manager est responsable d’un volume de ventes et d’un nombre d’employés équivalents, quel que soit le nombre de magasins dans chaque secteur.
Le changement climatique contribue à une augmentation du nombre d’incendies par an dans de nombreuses régions, ce qui augmente les coûts dans ces régions. Les autorités locales et nationales peuvent utiliser cet outil pour égaliser à la fois la charge de travail et les coûts liés à la lutte contre les incendies en créant des secteurs administratifs.
Des secteurs peuvent être créés pour les patrouilles de police afin d’équilibrer la charge de travail et les appels entre policiers. Le sureffectif ou le sous-effectif dans certaines zones peut être atténué en équilibrant l’indice de criminalité de chaque groupe d’îlots et en garantissant la rapidité et l’efficacité de la réponse policière.
Définition des critères pour la création et la sélection de zones
Pour que l’outil crée des zones équilibrées de façon optimale, vous devez fournir les critères qui définissent le caractère optimal d’une zone. Vous pouvez indiquer deux types de critères : les critères de création de zone et les critères de sélection de zone. L’outil équilibre les zones en alternant entre la création et la sélection de zone, et les critères que vous spécifiez pour chaque étape déterminent les zones équilibrées finales recommandées par l’outil.
L’étape de création de zone génère de nombreuses zones qui s’agrandissent de façon aléatoire jusqu’à ce que les critères de création de zone soient satisfaits. Les critères de création de zone doivent être considérés comme des exigences pour vos zones, et toutes les zones s’agrandiront de manière à respecter ces critères (vous trouverez plus de détails sur l’agrandissement des zones dans la section Agrandissement de zones avec l’algorithme génétique). L’étape de sélection de zone classe ensuite chaque ensemble de zones et sélectionne les meilleures zones en fonction du respect des critères de sélection de zone. En général, les critères de sélection de zone doivent être considérés comme des préférences plutôt que des exigences. Ils servent à sélectionner des zones qui respectent déjà les critères de création de zone.
Le choix des critères à utiliser pour la création et la sélection de zone dépend de votre situation particulière. Les options suivantes sont proposées pour le paramètre Zone Creation Method (Méthode de création de zone) afin de vous aider à définir correctement vos critères :
Attribute target (Cible d’attribut) : chaque zone aura à peu près la même somme totale d’un attribut, qui doit être spécifiée. Le nombre de zones créées dépend du total global de l’attribut. Par exemple, cette option peut être utilisée pour créer des zones de desserte qui comptent chacune environ 1 000 clients. S’il y a 5 000 clients au total sur toutes les entités en entrée, environ 5 zones seront créées, chacune comptant environ 1 000 clients. Avec deux millions de clients au total, environ 2 000 zones seront créées, chacune comptant environ 1 000 clients.
Defined number of zones (Nombre défini de zones) : le nombre de zones doit être égal à un nombre spécifié, chaque zone étant composée d’environ le même nombre d’entités. Cette option est utile si vous connaissez le nombre de zones dont vous avez besoin et lorsque chaque zone doit contenir le même nombre d’entités en entrée.
Number of zones and attribute target (Nombre de zones et cible d’attribut) : combine les deux options précédentes en équilibrant la somme d’un attribut entre un nombre spécifique de zones. Par exemple, cette option peut être utilisée pour créer exactement 20 zones de desserte qui ont toutes un volume de ventes à peu près identique dans chaque zone. Pour cette option, vous n’indiquez pas la somme de l’attribut souhaitée, car elle est déterminée en divisant la somme totale de l’attribut par le nombre de zones. Cette option n’égalise pas le nombre d’entités dans chaque zone (cependant, une préférence pour un même nombre d’entités peut être indiquée en tant que critère de sélection de zone, comme décrit plus loin dans cette rubrique).
Custom seed locations (Localisations d’origine personnalisées) : chaque zone s’agrandira à partir d’un ensemble fixe de localisations d’origine basé sur les paramètres Seed Location Points (Points d’emplacement d’origine) et Input Features (Entités en entrée). Le nombre total de zones créées est déterminé par le nombre de localisations d’origine. Le nombre de localisations d’origine se fonde sur les points de localisation d’origine et les entités en entrée comme suit :
Si les entités en entrée sont des polygones, les polygones qui intersectent les points de localisation d’origine sont sélectionnés comme localisations de départ. Les zones s’agrandiront à partir de ces localisations d’origine en agrégeant les entités à proximité.
Si les entités en entrée sont des points, les points les plus proches de chaque point de localisation d’origine sont sélectionnés comme valeurs initiales.
Vous pouvez indiquer des variables supplémentaires et leurs pondérations à l’aide du paramètre Zone Building Criteria (Critères de création de zone).
Sélectionnez cette option si vous disposez de localisations fixes autour desquelles vous souhaitez agrandir vos zones. Par exemple, vous pouvez créer un espace coupe-feu autour des rampes de secours existantes.
Critères de création de zone
Différents critères de création de zone sont requis pour chacune des options du paramètre Zone Creation Method (Méthode de création de zone), et toutes les zones s’agrandissent jusqu’à ce qu’elles satisfassent ces critères.
Attribute target (Cible d’attribut) : vous devez spécifier l’attribut que vous souhaitez équilibrer et indiquer une somme dans le paramètre Zone Building Criteria With Target (Critères de construction de zone avec cible). Vous pouvez éventuellement fournir plusieurs attributs avec des sommes différentes et vous pouvez attribuer des pondérations à chacun d’eux afin que certains attributs soient prioritaires par rapport à d’autres lors de la sélection des localisations avec les scores de conformité les plus faibles.
Defined number of zones (Nombre défini de zones) : vous devez indiquer le nombre de zones à l’aide du paramètre Target Number of Zones (Nombre cible de zones).
Number of zones and attribute target (Nombre de zones et cible d’attribut) : vous devez indiquer le nombre de zones dans le paramètre Number of Zones (Nombre de zones) et spécifier l’attribut à équilibrer dans le paramètre Zone Building Criteria (Critères de création de zone). Vous pouvez à nouveau fournir plusieurs attributs et des pondérations pour établir des priorités.
Custom seed locations (Localisations d’origine personnalisées) : vous devez indiquer les localisations d’origine à partir desquelles les zones s’agrandiront dans le paramètre Seed Location Points (Points d’emplacement d’origine). Le nombre de zones est déterminé à la fois par le nombre de points d’emplacement d’origine et par les entités en entrée. Vous pouvez indiquer des variables supplémentaires et leurs pondérations à l’aide du paramètre Zone Building Criteria (Critères de création de zone).
Critères de sélection de zone
Les critères de sélection de zone sont des options supplémentaires qui vous permettent de spécifier vos préférences parmi les zones créées lors de l’étape de création de zone. Ces critères sont utilisés avec les critères de création de zone pour déterminer quelles zones seront finalement recommandées par l’outil. La plupart des critères de sélection de zone s’appliquent à toutes les options du paramètre Zone Creation Method (Méthode de création de zone). Les sections ci-dessous décrivent chaque option de sélection de zone et indiquent lorsqu’elles sont applicables.
Critères de caractéristiques de zone
Les options du paramètre Zone Characteristics (Caractéristiques de zone) concernent généralement la taille et la forme des zones. Vous pouvez utiliser l’une ou la totalité des options suivantes :
Equal area (Surface équivalente) : les zones quasiment de surface équivalente sont privilégiées. Cette option ne s’applique que lorsque les entités en entrée sont des polygones.
Compactness (Compacité) : les zones quasiment de forme circulaire sont privilégiées. Cette option est toujours applicable.
Equal number of features (Même nombre d’entités) : les zones composées approximativement du même nombre d’entités sont privilégiées. Cette option ne s’applique pas lorsque l’option Defined number of zones (Nombre défini de zones) est utilisée, car cette méthode de création de zone garantit déjà un même nombre d’entités avec les critères de création de zone.
Critères de prise en compte d’attribut
Le paramètre Attribute to Consider (Attribut à prendre en compte) vous permet de spécifier des attributs supplémentaires à prendre en compte, qui n’ont pas été utilisés comme critères de création de zone. Cela vous permet d’inclure des zones qui conservent une somme, une moyenne, une variance ou une médiane constante d’un attribut. Vous pouvez également indiquer plusieurs attributs, par exemple, inclure des zones ayant la même population totale (somme) et approximativement le même revenu médian (médiane).
Ce critère de sélection s’applique à toutes les méthodes de création de zone. Les attributs doivent être continus plutôt que catégoriels pour être utilisés dans ce paramètre.
Conservation des proportions des variables catégorielles
Le paramètre Categorical Variable to Maintain Proportions (Variable catégorielle pour conserver les proportions) vous permet de spécifier une variable catégorielle qui sera utilisée pour équilibrer les proportions des catégories dans les zones. Vous devez également choisir une option pour le paramètre Proportion Method (Méthode de proportion) pour spécifier la façon dont les proportions doivent être équilibrées. Les méthodes de proportion suivantes sont fournies :
Maintain within proportion (Maintenir dans une proportion) : les zones qui conservent les mêmes proportions relatives des catégories dans chaque zone individuelle sont privilégiées. Par exemple, si la variable catégorielle que vous utilisez pour conserver les proportions représente une classification binaire d’occupation du sol de type forestier et non forestier et que 60 % des entités ont un type d’occupation du sol forestier et 40 % un type non forestier, cette option favorise les zones où chaque zone individuelle est composée à 60 % de sol forestier et à 40 % de sol non forestier.
Maintain overall proportion (Maintenir une proportion globale) : les zones sont créées de façon à ce que les proportions globales de prédominance de catégorie correspondent aux proportions des catégories globales. Par exemple, si la variable catégorielle détermine si l’entité se trouve sur terre ou sur l’eau et que 60 % des entités se trouvent sur terre, cette option favorise les zones où environ 60 % des zones sont principalement sur terre et 40 % sur l’eau.
Ce critère de sélection s’applique à toutes les méthodes de création de zone. La variable doit être catégorielle plutôt que continue pour être utilisée dans ce paramètre.
Critères basés sur la distance
Le paramètre Distance to Consider (Distance à prendre en compte) vous permet de privilégier des zones proches d’un autre ensemble d’entités (ou de plusieurs ensembles d’entités). Par exemple, si vous créez des secteurs d’administration sanitaire, vous pouvez privilégier des zones proches des hôpitaux existants. La distance entre une zone et une entité est définie par la distance médiane entre toutes les entités de la zone et l’entité la plus proche fournie comme distance à prendre en compte.
Scénarios pour choisir les critères de zone
De nombreuses options sont disponibles pour les critères de création et de sélection de zone, et il n’est pas toujours évident de savoir quels paramètres utiliser selon vos besoins et préférences pour les zones. Vous trouverez ci-dessous quelques scénarios, ainsi que les paramètres à utiliser pour ces scénarios.
Scénario 1 : Attribution d’annonces immobilières à des agents immobiliers
Vous êtes analyste dans une agence immobilière. Vous disposez d’une classe d’entités avec toutes les annonces immobilières disponibles et leurs valeurs dans la région. Il y a 12 agents immobiliers dans votre agence, et vous souhaitez attribuer les annonces immobilières à chacun d’eux de manière à ce que chaque agent ait un nombre égal d’annonces et que la valeur totale des biens immobiliers dans chaque zone soit à peu près la même. Vous voulez aussi que les zones soient proches des agences immobilières existantes.
Pour cela, vous pouvez utiliser l’option Number of zones and attribute target (Nombre de zones et cible d’attribut) dans le paramètre Zone Creation Method (Méthode de création de zone). Spécifiez 12 pour le paramètre Target Number of Zones (Nombre cible de zones) (une pour chaque agent immobilier) et choisissez le champ représentant la valeur de chaque bien dans le paramètre Zone Building Criteria (Critères de création de zone). Choisissez l’option Equal number of features (Même nombre d’entités) dans le paramètre Zone Characteristics (Caractéristiques de zone) pour privilégier les zones où chaque agent immobilier se voit attribuer un nombre à peu près équivalent de biens immobiliers. Pour prendre en compte la distance jusqu’à l’agence immobilière la plus proche, indiquez une classe d’entités représentant les emplacements des agences dans le paramètre Distance to Consider (Distance à prendre en compte).
Scénario 2 : Création de nouvelles limites de circonscription
La création de nouvelles limites de circonscription qui équilibrent le nombre de personnes dans chacune d’elles est une tâche complexe et difficile, qui doit être fréquemment exécutée à quasiment tous les échelons des services publics. En utilisant les données de population et démographiques collectées dans des petits quartiers, vous souhaitez créer des circonscriptions comptant chacune environ 10 000 habitants. De plus, environ 75 % de la population vit en milieu urbain et 25 % en milieu rural. Vous voulez qu’environ 75 % des zones soient majoritairement urbaines et 25 % majoritairement rurales pour représenter correctement chaque groupe.
Pour y parvenir, vous pouvez utiliser l’option Attribute target (Cible d’attribut) dans le paramètre Zone Creation Method (Méthode de création de zone). Choisissez le champ représentant le nombre de personnes dans chaque quartier et spécifiez 10 000 dans les colonnes du paramètre Zone Building Criteria With Target (Critères de construction de zone avec cible). Spécifiez un champ indiquant si le quartier est urbain ou rural dans le paramètre Categorical Variable to Maintain Proportions (Variable catégorielle pour conserver les proportions) et choisissez l’option Maintain overall proportion (Maintenir une proportion globale) dans le paramètre Proportion Method (Méthode de proportion).
Scénario 3 : Répartition de la charge de travail entre les agents de probation
Vous êtes analyste SIG pour les forces de l’ordre et vous avez été chargé de répartir les dossiers de 25 agents de probation. Vous disposez des emplacements de tous les délinquants dans la ville, ainsi que d’une évaluation numérique du risque de chaque délinquant, et vous souhaitez les répartir équitablement entre les agents de probation tout en faisant en sorte que le risque total des délinquants demeure à peu près identique. Cependant, l’équilibre des risques n’est pas aussi essentiel que d’avoir le même nombre de délinquants affectés à chaque agent de probation. En outre, vous voulez que les zones soient aussi compactes que possible afin de réduire les frais de déplacement des agents de probation.
Pour cela, vous pouvez utiliser l’option Defined number of zones (Nombre défini de zones) dans le paramètre Zone Creation Method (Méthode de création de zone) et spécifier 12 pour le paramètre Target Number of Zones (Nombre cible de zones). Spécifiez le champ représentant le risque de chaque délinquant dans le paramètre Attribute to Consider (Attribut à prendre en compte) et choisissez l’option Compactness (Compacité) dans le paramètre Zone Characteristics (Caractéristiques de zone) pour créer des zones compactes.
Scénario 4 : Création de zones d’intervention d’urgence équilibrées à partir des casernes de pompiers existantes
Vous êtes analyste SIG pour le service de gestion des urgences d’une ville et vous devez définir les zones de couverture des services pour les interventions des pompiers et du personnel paramédical. La ville dispose de casernes de pompiers existantes, qui doivent chacune servir de localisations d’origine fixes pour une zone d’intervention.
Vous disposez de données représentant les îlots de recensement et la demande d’intervention, et vous souhaitez attribuer ces domaines aux casernes de pompiers afin que chacune réalise une charge de travail totale similaire (par exemple, la population et le volume historique d’appels). Bien qu’il soit important d’équilibrer la charge de travail, il est également crucial que chaque zone reste accessible dans un délai d’intervention acceptable depuis la caserne de pompiers qui lui a été affectée. Par conséquent, vous souhaitez que les zones soient géographiquement compactes pour réduire la distance à parcourir et améliorer l’efficacité de l’intevention.
Pour ce faire, vous pouvez utiliser l’option Custom seed locations (Localisations d’origine personnalisées) dans le paramètre Zone Creation Method (Méthode de création de zone) et indiquer les emplacements des casernes comme points d’emplacement d’origine. Spécifiez les champs représentant la population et le nombre total d’appels dans le paramètre Zone Building Criteria (Critères de création de zone) et privilégiez la compacité dans le paramètre Zone Characteristics (Caractéristiques de zone). Cela garantit que les zones s’agrandissent vers l’extérieur à partir de chaque caserne, restent spatialement cohérentes et répartissent la charge de travail aussi uniformément que possible tout en respectant les emplacements fixes des casernes.
Agrandir des zones avec l’algorithme génétique
En utilisant les critères que vous avez définis pour la création et la sélection de zone, l’outil Générer des zones équilibrées agrandit les zones optimales en utilisant l’algorithme génétique, compte tenu des contraintes spatiales des entités en entrée.
L’algorithme génétique repose sur la théorie évolutionniste de la sélection naturelle et de la génétique, telle qu’expliquée pour la première fois par Charles Darwin. Selon le principe darwinien de la survie des individus les plus adaptés, les organismes mieux adaptés dans une population ont tendance à survivre et à produire plus de descendants.
Comme le nombre de solutions possibles est généralement très important, l’algorithme génétique recherche une solution optimisée en commençant par des recherches aléatoires et en orientant les recherches dans des directions plus prometteuses. L’optimisation de l’algorithme génétique est une abstraction de l’évolution biologique naturelle, dans laquelle chaque solution possible (dans ce cas, chaque agencement possible de zones) est analogue à un organisme individuel dans une population. Au fil des générations, seuls les individus les plus adaptés survivent, et seules les recherches les plus productives sont autorisées à se poursuivre.
L’algorithme commence par créer une population aléatoire, dans laquelle chaque individu de la population est une solution possible. Un score de conformité est calculé pour chaque solution, les individus ayant le score de conformité le plus bas (meilleures solutions) dans la population existante sont transmis à la génération suivante et les solutions restantes inadaptées sont éliminées. Les individus les plus adaptés sont désignés comme parents et sont autorisés à avoir une descendance en couple grâce à des opérateurs génétiques tels que le croisement et la mutation. Chaque nouvelle génération est une combinaison des individus les plus adaptés de la génération précédente et de leurs descendants. Parfois, des individus (ni parents ni descendants, appelés étrangers) sont introduits aléatoirement dans la génération suivante afin d’élargir la gamme des solutions possibles découvertes par l’algorithme. Le score de conformité est calculé pour tous les individus de chaque nouvelle génération et le processus se répète pour un nombre donné de générations (par défaut, 50 générations). L’individu le plus adapté de la dernière génération correspond aux zones équilibrées renvoyées par l’outil.
Choix de la population initiale
La population initiale de l’algorithme est choisie en sélectionnant de manière aléatoire des entités dans la zone d’étude ou en utilisant des localisations d’origine personnalisées. Par défaut, la population est composée de 100 individus, mais ce nombre peut être modifié dans le paramètre Population Size (Taille de population). Chaque entité sélectionnée de façon aléatoire est un emplacement de départ (appelé valeur initiale) à partir duquel la zone s’agrandit en s’agrégeant aux entités à proximité. Une zone continuera à s’agréger et à s’agrandir jusqu’à ce que la valeur totale atteigne le seuil des critères de création de zone. Par exemple, si vous indiquez une population de 100 000 habitants et un nombre de ménages de 50 000 comme critères de création de zone, les valeurs 100 000 et 50 000 sont respectivement des valeurs de seuil de population et de nombre de ménages, et la zone cesse de s’agrandir une fois tous les seuils atteints. Pour la zone suivante, une nouvelle valeur initiale est sélectionnée en dehors de la première zone et est autorisée à s’agrandir de manière aléatoire. Le traitement se poursuit jusqu’à ce que toutes les entités soient attribuées à une zone.
En biologie, le matériel génétique d’un individu se trouve dans les chromosomes. Les chromosomes sont composés de gènes, l’unité héréditaire de la vie. Pour cet outil, une solution possible est analogue à un chromosome et les valeurs initiales sont analogues aux gènes. Ces gènes sont les unités héréditaires transmises des parents à leurs descendants et servent donc à créer les générations futures. L’image suivante présente un exemple de solution possible ainsi que les valeurs d’ID d’objet des valeurs initiales de chaque zone dans la solution :
Calcul du score de conformité
Le score de conformité de chaque solution possible mesure à quel point les zones résultantes respectent les différents critères de création et de sélection de zone fournis dans l’outil, tandis que des scores de conformité plus faibles indiquent une meilleure adéquation à ces critères. Ainsi, l’objectif final vise à trouver une solution qui offre un faible score de conformité (idéalement, il s’agit de la solution qui fournit le score de conformité le plus faible possible, appelé minimum global). Le score de conformité pour une solution possible est calculé selon la formule suivante :
\(n\) : nombre total de zones dans la solution.
\(c\) : nombre total de critères utilisés pour créer des zones et sélectionner des solutions.
\(V_j\) : seuil pour le je critère.
\(V_{ij}\) : somme des je critères de la ie zone.
La formule du score de conformité doit être interprétée comme l’ajout de la différence entre les valeurs de chaque critère et celles idéalement parfaites pour chaque zone de la solution. Dans une solution parfaite (ce qui n’est généralement pas possible), les valeurs des critères de toutes les zones sont égales à leurs valeurs idéales et le score de conformité est nul. La division par la valeur de seuil (Vj) garantit que l’absence d’unité pour le score de conformité. L’absence d’unité est importante car, par exemple, l’utilisation de mètres carrés ou de pieds carrés pour les mesures de surface n’affectera pas le score de conformité.
Le paramètre Output Convergence Table (Table de convergence en sortie) fournit le score de conformité total de la meilleure solution de chaque génération, ainsi que les scores de chaque critère individuel. Un graphique de convergence est créé avec la table en sortie pour illustrer la façon dont ces scores de conformité évoluent au fil des générations. L’algorithme essaie de trouver une meilleure solution que l’existante. La ligne de conformité totale dans le diagramme diminue généralement au fil des générations, jusqu’à finalement s’aplatir. Cet aplatissement indique que le score de conformité a atteint un minimum local (mais probablement pas le minimum global) et que la solution ne s’améliorera probablement pas avec les générations suivantes.
Outre la table de convergence en sortie, les messages de géotraitement vous aident également à comprendre la qualité de la génération des zones. Le paramètre Root Mean Square Error (Erreur quadratique moyenne) est fourni pour chacun des critères de création et de sélection de zone. Plus la valeur est faible, mieux les zones satisfont les critères.
Création de nouvelles générations avec des croisements
Une fois la population initiale générée par l’algorithme, la moitié des individus est autorisée à participer à la génération suivante et à créer une descendance de nouvelles solutions possibles. Ces individus sont choisis en fonction de leur conformité (déterminée par les scores de conformité les plus faibles) et sont associés de manière aléatoire pour produire une descendance à l’aide d’un traitement appelé croisement. Le croisement (parfois appelé recombinaison) est un opérateur génétique qui combine les informations de deux parents pour générer une descendance. L’image suivante illustre un exemple des valeurs initiales de deux parents croisées pour créer deux nouveaux descendants :
En conséquence, la moitié des individus des nouvelles générations étaient des parents de la génération précédente et l’autre moitié, leur descendance. Pour cette nouvelle génération, le score de conformité est à nouveau calculé, et la moitié supérieure passe à la génération suivante, poussant ainsi à la recherche d’une meilleure solution.
Élargissement des solutions possibles avec des mutations et des espèces étrangères
La diversité est très importante dans une population en évolution et l’une des façons de la préserver consiste à utiliser la mutation. Les mutations sont de petits changements ou altérations introduits dans une séquence de gènes pour créer des individus avec des codes génétiques différents. Dans cet outil, tout individu subissant une mutation voit ses valeurs initiales réagencées (permutées) de manière aléatoire. Les images suivantes montrent la solution possible subissant une mutation et le réagencement de ses valeurs initiales :
La probabilité qu’un descendant subisse une mutation peut être contrôlée avec le paramètre Mutation Factor (Facteur de mutation) et la valeur par défaut est 0,1. L’introduction de mutations élargit les solutions possibles et permet souvent à l’algorithme de converger rapidement vers une solution optimale localement. Cependant, des facteurs de mutation très élevés introduisent tellement de changements que l’algorithme perd son efficacité et converge lentement (ou pas du tout).
Une autre façon d’élargir les solutions possibles vise à introduire de nouveaux individus dans la population (appelés étrangers), qui ne font ni partie des générations précédentes, ni de leur descendance. L’introduction d’individus étrangers augmente la probabilité d’obtenir un minimum global (plutôt qu’un minimum local) tout en maintenant un taux élevé de convergence. Le facteur de mutation contrôle la proportion de descendants de chaque génération qui sera remplacée par un étranger composé de valeurs initiales générées de manière aléatoire.
Groupes déconnectés
En raison de contraintes spatiales, il arrive parfois d’avoir des groupes déconnectés, où les entités du groupe ne sont voisines d’aucune entité dans la zone d’étude plus large. C’est le cas le plus courant lorsque le paramètre Input Features (Entités en entrée) est défini sur des polygones non contigus, comme des îlots. Les zones ne peuvent s’agrandir qu’en agrégeant les voisins spatiaux des entités existantes dans la zone. Pour remédier à cela, l’outil génère un lien entre chaque groupe déconnecté et l’entité la plus proche en dehors du groupe, afin d’établir un voisinage et de permettre à la zone de continuer à s’agrandir. Le champ Disconnected Group ID (ID de groupe déconnecté) est ajouté à la table attributaire des éléments Output Features (Entités en sortie), qui vous permet de visualiser quelle entité ou groupe d’entités a été déconnecté dans votre zone d’étude.
Ressources supplémentaires
Coley, D. A. (1999). An introduction to genetic algorithms for scientists and engineers. World Scientific Publishing Company.
Lorena, L. A. N., & Furtado, J. C. (2001). Constructive genetic algorithm for clustering problems. Evolutionary Computation, 9(3), 309-327.
Patel, N., & Padhiyar, N. (Octobre 2010). Alien Genetic Algorithm for Exploration of Search Space. AIP Conference Proceedings (Vol. 1298, No. 1, pp. 325-330). AIP.