AlgorithmesGenetiques

Connaissances supplémentaires Algorithmes génétiques

1

Plan



Algorithmes génétiques     

Module 2

Historique Principes de base Paramètres Applications Exemples

GPA-759 Réseaux de neurones et intelligence artificielle 2

Historique Théorie de la sélection naturelle de Darwin

©www.edupics.com



Barricelli – 1954  l’évolution



Fogel – 1966 



Holland – 1975 



….

Module 2

Simulation de

Programmation évolutive automates cellulaires

GPA-759 Réseaux de neurones et intelligence artificielle 3

Autres algorithmes d’optimisations: 

Essaim de particules



Colonie de fourmis

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 4

Principes de base 

Chromosomes et gènes



Codage

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 5

Principes de base 

Chromosomes et gènes



Codage

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 5

Principes de base 

Chromosomes et gènes Chromosome



Codage

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 5

Principes de base 

Chromosomes et gènes Chromosome

Gène 

Codage

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 5

Principes de base 

Chromosomes et gènes Chromosome

Gène 

Codage Binaire 1

Module 2

0

1

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 5

Principes de base 

Chromosomes et gènes Chromosome

Gène 

Codage Binaire 1

Module 2

0

1

1

1

Réel 0

0

1

1.5

-2.3

0.9

1.7

1.0

-1.2 -0.2

2.4

GPA-759 Réseaux de neurones et intelligence artificielle 5



Population

Module 2



Candidats pour la résolution du problème



1 gène = 1 paramètre (codage réel)



1 chromosome = 1 ensemble de parmaètres



Génération aléatoire



Génération selon critères



Valeurs possibles

GPA-759 Réseaux de neurones et intelligence artificielle 6



Population 1

0

1

1

1

0

0

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

...

1

Module 2



Candidats pour la résolution du problème



1 gène = 1 paramètre (codage réel)



1 chromosome = 1 ensemble de parmaètres



Génération aléatoire



Génération selon critères



Valeurs possibles

GPA-759 Réseaux de neurones et intelligence artificielle 6



Évaluation

Module 2



Fonction objective



Détermination du score (“fitness”)



Ordonnancement des individus/chromosomes 1

0

1

1

1

0

0

1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

GPA-759 Réseaux de neurones et intelligence artificielle 7



Évaluation

Module 2



Fonction objective



Détermination du score (“fitness”)



Ordonnancement des individus/chromosomes 1

0

1

1

1

0

0

1

= 235

1

1

0

1

1

0

0

1

= 532

0

0

1

0

1

1

1

1

= 129

1

0

1

1

0

0

1

0

= 451

GPA-759 Réseaux de neurones et intelligence artificielle 7



Évaluation

Module 2



Fonction objective



Détermination du score (“fitness”)



Ordonnancement des individus/chromosomes 1

0

1

1

1

0

0

1

= 235



3e

1

1

0

1

1

0

0

1

= 532



1er

0

0

1

0

1

1

1

1

= 129



4e

1

0

1

1

0

0

1

0

= 451



2e

GPA-759 Réseaux de neurones et intelligence artificielle 7



Sélection

Module 2

1

0

1

1

1

0

0

1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

GPA-759 Réseaux de neurones et intelligence artificielle 8



Sélection

Module 2

1

0

1

1

1

0

0

1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

GPA-759 Réseaux de neurones et intelligence artificielle 8



Sélection

Élite(s) 1

Module 2

1

0

1

1

1

0

0

1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

0

1

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 8



Sélection

Élite(s) 1

Module 2

1

0

1

1

1

0

0

1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

0

1

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 8



Sélection

Élite(s) 1

1

0

1

1

1

0

0

0

1

1

1

0

0

1

1

Parents 1

Module 2

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

0

1

1

0

0

1

0

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

GPA-759 Réseaux de neurones et intelligence artificielle 8



Sélection

Élite(s) 1

1

0

1

1

1

0

0

0

1

1

1

0

0

1

1

Parents 1 0

Module 2

1 0

0 1

1 0

1 1

0 1

0 1

1 1

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

GPA-759 Réseaux de neurones et intelligence artificielle 8



Croisement et mutation

Module 2

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation

Module 2

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation Croisement

Module 2

1

1

0

1

1

0

0

1

0

0

1

0

1

1

1

1

1

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation Croisement

Module 2

1

1

0

1

1

0

0

1

1

1

0

1

1

1

1

1

0

0

1

0

1

1

1

1

0

0

1

0

1

0

0

1

1

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation Croisement

Module 2

1

1

0

1

1

0

0

1

1

1

0

1

1

1

1

1

0

0

1

0

1

1

1

1

0

0

1

0

1

0

0

1

1

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation Croisement 1

1

0

1

1

0

0

1

1

1

0

1

1

1

1

1

0

0

1

0

1

1

1

1

0

0

1

0

1

0

0

1

Mutation 1

Module 2

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Croisement et mutation Croisement 1

1

0

1

1

0

0

1

1

1

0

1

1

1

1

1

0

0

1

0

1

1

1

1

0

0

1

0

1

0

0

1

1

1

0

1

0

1

0

1

Mutation 1

Module 2

1

0

1

1

0

0

1

GPA-759 Réseaux de neurones et intelligence artificielle 9



Fin du traitement

Critères d’arrêt: • Erreur minimale • Nombre de générations

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 10



Fin du traitement

??? Critères d’arrêt: • Erreur minimale • Nombre de générations

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 10

Paramètres       

Taille de(s) population(s) Type de sélection Type de croisement Probabilité de croisement Type de mutation Probabilité de mutation …

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 11

Applications 

  

Augmentation des performances des systèmes de prédiction (ex: dans quoi investir son argent en bourse) Optimisation des systèmes de création d’horaires (ex: Cheminot) Conception de pièces mieux adaptées (ex: Turbine, Aile d’avion, …) Plusieurs autres problèmes d’optimisation…

Module 2

GPA-759 Réseaux de neurones et intelligence artificielle 12

Exemple 

Reconnaissance de la couverture terrestre par Perceptron multicouche et algorithme génétique



Dans le cadre du cours SYS-843 à la maîtrise 

Module 2

Présentation

GPA-759 Réseaux de neurones et intelligence artificielle 13