Académique Documents
Professionnel Documents
Culture Documents
M1-Math-Info Le Havre
0-0
C. Bertelle - LIH
Plan
1. Algorithmes g´
en´
etiques
egies e´volutives
2. Strat´
3. Classifieurs g´
en´
etiques
Références bibliographiques
• J.H. Holland “Hidden order : how adaptation builds
complexity” , Perseus books, 1995.
C. Bertelle - LIH
• Echo : www.santafe.edu/projects/echo/echo.html
• B.Cuvelier, Ph. Preux et C. Cambier “Studying adaptation
with Echo”, rapport de recherche LIL (ftp://ftp-lil.univ-
littoral.fr/pub/users/preux/paper/eca197.ps.gz).
• Evolution : r´
esultat d’une alt´
eration progressive des êtres
vivants au cours des g´en´
erations ;
• Reproduction bas´ ee sur le caractère g´
en´
etique qui subit au
cours des g´en´
erations des recombinaisons et des
mutations ;
• M´
ecanisme de s´
election naturelle.
C. Bertelle - LIH
Une des caract´ eristiques du vivant : les individus n’ont pas e´t´
e
“programm´ es” pour r´
epondre à un problème sp´ecifique, mais
ils e´voluent en s’adaptant à leur environnement.
C. Bertelle - LIH
Algorithmes génétiques
Formalisation
• Les individus sont repr´ esent´
es par des chromosomes
constitu´
es d’allèles (chromosome = chaı̂ne d’informations
sur un alphabet fini).
C. Bertelle - LIH
Un chromosome :
Reproduction/clonage :
Croisement :
Mutation :
Algorithmes génétiques
Exemple de base
• Population totale possible : nombre compris entre 0 et 31
en codage binaire sur 5 bits (00000 à 11111).
• Problème : On recherche le maximum de la fonction
f (x) = x2 sur cet ensemble.
C. Bertelle - LIH
C. Bertelle - LIH
12 : 01100 → 01000 : 8
C. Bertelle - LIH
Algorithmes génétiques
Améliorations possibles
Les am´
eliorations possibles peuvent être nombreuses ...
• Autres op´erateurs que le croisement et la mutation :
inversion de sous-chaı̂nes, croisement à partir d’un masque
binaire (dont les valeurs indiquent les positions de
croisement), etc ...
• Variante inspir´ eorie des niches e´cologiques et
ee de la th´
des espèces : on conserve en partie la population de la
g´
en´
eration pr´ec´edente.
• Pr´
eselection : un enfant remplace un parent si sa
performance est meilleure, sinon le parent reste.
• Conservation et s´election d’individus suivant des critères
de similarit´
es entre eux.
• ...
C. Bertelle - LIH
• Moins d’al´
eatoire : la reproduction est d´
eterministe ;
• L’op´erateur de mutation agit principalement et l’op´
erateur
de croisement est moins important : il agit simplement
pour assurer une diversit´
e suffisante.
C. Bertelle - LIH
Classifieurs génétiques
Système de règles
Une règle peut s’´
ecrire sous la forme :
<cond> : <resultat>
exemple :
01#0 : 0111
• S´
election d’un message binaire de 4 bits commençant par
01 et se terminant par 0 ;
• Si acceptation d’un message, on renvoie le message 0111 .
Classifieurs génétiques
Système d’attribution de crédits
Système de comp´ etition entre les règles qui possèdent chacune
un cr´
edit variable. Lorsqu’un message arrive :
• Les règles qui peuvent le s´
electionner font une offre
proportionnelle à leur cr´
edit actuel ;
• Le système d’attribution s´
electionne les règles qui offrent
le plus et les active ;
• Une règle activ´
ee renvoie son message de r´esultat et offre
une r´
ecompense correspondant à son cr´ edit pour les règles
qui auront s´
electionn´ees son message e´mis.
C. Bertelle - LIH
Classifieurs génétiques
Algorithme génétique
• Un algorithme g´
en´
etique est mis en place sur la population
des règles ;
Entrées Messages
+ Liste de messages
Récompenses
Attribut
de
crédit
Sortie
Règles
Algorithme
génétique
C. Bertelle - LIH
Echo - Caractéristiques
• Temps discret et monde repr´
esent´
e par une grille torique ;
• D´eplacement possible d’un agent dans une case voisine à
chaque pas de temps ;
• Interactions possibles entre agents que s’ils sont sur des
cases voisines ;
• Les comportements des agents sont contrôl´
es par des
gènes sp´
ecifiques appel´
es conditions ;
• Les agents ont des signes ext´ erieurs apparents ou “tags”
esentatifs de leur e´tat social. Ces tags sont repr´
repr´ esent´
es
par des gènes sp´
ecifiques ;
C. Bertelle - LIH
Echo - Agents
es de 2 e´l´
Contitu´ ements :
1. Chromosome codant le comportement et l’apparence (tag)
des agents : ce sont des chaı̂nes de ressources (appel´
es
aussi nucléotide) ;
2. Un r´
eservoir de ressources stock´
ees dans chaque agent.
C. Bertelle - LIH
Masque de prélèvement
1001
C. Bertelle - LIH
D’autres possibilit´
es d’´
echanges de ressources : suite à un
combat ou par transmission filiale.
Echo - Auto-reproduction
Lorsque la quantit´
e de ressources du r´
eservoir de l’agent est
suffisamment importante,
• il y a g´
en´
eration d’un clône auquel on transmet une
quantit´e des ressources ;
• le chromosome du clône est obtenu par copie + mutation.
C. Bertelle - LIH
Echo - Mutation
Dans Echo, les mutations agissent sur les gènes.
• par indiff´
erence ;
• par e´change ;
• par reproduction et g´
en´
eration de nouvels agents avec
croisements g´en´
etiques.
Les interactions sont contrôl´
ees par un m´
ecanisme de pr´ efixe :
elles ne peuvent se produire que si la condition est le pr´
efixe du
tag associ´
e.
C. Bertelle - LIH
Agent A Agent B
Condition de combat : ab Tag d’attaque : abb
Tag d’attaque : bcd Condition d’´
echange : b
Condition d’´
echange : ab Tag d’attaque : abb
Tag d’accoupl. : dcd Condition d’accoupl. : dc
Condition d’accoupl. : a Tag d’accoupl. : adb
• L’agent A peut attaquer l’agent B ;
Echo - Combat
• Les combats se produisent si les conditions sont r´
ealis´
ees
et avec une certaine probabilit´
e;
• Dans le cas d’un combat, on compare 1 à 1 les nucl´ eotides
du tag d’attaque d’un agent avec le tag de d´efense de
l’autre afin d’obtenir un score. La probabilit´
e d’être le
vainqueur correspond au rapport de son score sur la
somme des 2 scores.
• Le vainqueur remporte toutes les ressources du vaincu, y
compris celles qui constituent son g´
enôme. Le vaincu est
retir´
e du monde.
C. Bertelle - LIH
Echo - Accouplement
Reproduction par croisement de deux sous-chaı̂nes :
agent A : abkbcbdkcd & % abkbdkcd
agent B : bkbdkca % & bkbcbdkca