Vous êtes sur la page 1sur 27

Charline Voinot IUT de Reims

DUT Informatique – Option IN


Promotion 2006

Les Algorithmes Génétiques

Soutenance de Stage
Les Algorithmes Génétiques

Plan

Introduction
Présentation et Définition du Principe
Utilisations en Imagerie Numérique
Avantages et Inconvénients
Conclusion
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Introduction
Entreprise : Visucolor®
Domaine : Contrôle de la Couleur

Choix du stage :
- Connaissance de l’Entreprise
et du Personnel
Logo de la société Visucolor®
- Applications en Imagerie Numérique

Plusieurs missions, dont la principale est le développement


d’un système de détection automatique de couleurs grâce à
l’utilisation d’un algorithme génétique.

3
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

• Soucis d’optimisation (physique, biologie économie, sociologie)


→ Utilisation des Mathématiques

• Méthodes analytiques ont fait preuve de leur efficacité


→ Pas semblable à la nature

4
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

• Théorie de l’Évolution et concept de Sélection Naturelle de


Charles Darwin

• Dès 1962, Dr John Henry Holland et ses travaux sur les systèmes
adaptatifs : Crossing-Over en complément des mutations

• Années 1990, vulgarisation des algorithmes génétiques avec la


publication de David Golberg

5
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

• Intelligence Artificielle de bas niveau (« Intelligence » de la nature)

• 3 Types d’Algorithmes Évolutionnaires, aujourd’hui regroupés:


◦ Algorithmes Génétiques
◦ Stratégies d’Évolution
◦ Programmation Évolutionnaires

Notons également les domaines de la Programmation Génétique et


de la Vie Artificielle.

6
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

• Il n’existe pas de preuve générale de l’efficacité des Algorithmes


Génétiques / Évolutionnaires

→ Constater l’efficacité de la sélection naturelle dans le monde


vivant :

Les individus sont adaptés à leur environnement

7
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


• Principe : Simuler l’évolution d’une population d’individus divers

8
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


• Ne nécessite pas une connaissance du problème : Boîte Noire

Manipulation des entrées, lecture des sorties, et à nouveau


manipulation des entrées afin d’améliorer les sorties.

9
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

Les Algorithmes Évolutionnaires sont inspirés du concept


de sélection naturelle de Charles Darwin.

→ Vocabulaire calqué :
◦ Population ◦ Parents
◦ Individus ◦ Descendants
◦ Gènes ◦ Reproduction
◦ Chromosomes ◦ Croisements
◦ Mutations

Analogies avec des phénomènes biologiques

10
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


Algorithmes issues de la biologie : Génétique

Un Individu est composé de:


Cellules → Chromosomes → ADN

• ADN = Chaîne de Gènes


• Variantes d’un Gène = Allèle
• Emplacement du Gène sur le Chromosome = Locus
• Ensemble des Chromosomes = Génome

11
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


Les Outils :

• Sélection (sélection naturelle)


→ Amélioration globale de l’adaptation

• Recombinaison (crossing-over)
→ Opération prépondérante, simple ou multiple

• Mutation
→ Pas de convergence prématurée, minimums et
maximums locaux

12
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

Différents types de sélection:

• Par rang (élitiste)


• Roue de la fortune (roulette)
• Par tournoi
• Uniforme

13
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


Recombinaison (crossing-over)

Simple Multiple

Chromosome Contenu Chromosome Contenu


A 00 : 11 00 10 A 00 : 11 00 : 10
B 01 : 01 01 00 B 01 : 01 01 : 00
A’ 00 : 01 01 00 A’ 00 : 01 01 : 10
B’ 01 : 11 00 10 B’ 01 : 11 00 : 00

14
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe


Les mutations :
• Taux relativement faible et évolutif
• Permet d’éviter les problèmes d’optimums locaux

Minimum Local

Minimum Global

15
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Définition & Principe

Schéma Récapitulatif

Cycle qui se répète jusqu’à la


condition d’arrêt :
• Nombre de générations fini
• Score des Individus

16
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Utilisations

Applications multiples :
→ Optimisations de fonctions numériques difficiles,
d’emplois du temps, de design, traitement d’image, contrôle
de systèmes industriels …

Les Algorithmes Génétiques peuvent être utilisés pour contrôler


un système évoluant dans le temps :
→ Adaptation de la population à des conditions
changeantes

17
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Utilisations
Le commis de voyage
Recherche du chemin le plus court

• Méthode exhaustive exclue :


→ Pour N villes, (n-1)! combinaisons possibles

• Exemple suivant :
◦ Comporte 40 villes
→ Environ 2e46 solutions à tester
◦ Si on test 1 000 000 000 de solutions par seconde…
→ 1e19 fois l’âge de l’univers !

18
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Utilisations
Le commis de voyage

19
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Utilisations
Visucolor : Détection Mire

20
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Utilisations
Compression d’images

21
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Avantages & Inconvénients

Sous certaines conditions :


• Nombre de solutions important
• Pas d’algorithme déterministe adapté et raisonnable
• Relativité de la solution
→ Bonne rapidement plutôt que parfaite pendant un
temps indéfini

22
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Avantages & Inconvénients


Les Plus

• Faculté d’adaptation, réactivité et prise en compte de


l’environnement (les autres individus sont compris)

• Permet de traiter des espaces de recherche important


(beaucoup de solutions, pas de parcourt exhaustif
envisagé)

• Relativité de la qualité de la solution selon le degré de


précision demandé

23
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Avantages & Inconvénients


Les Moins

• Nécessitent plus de calculs que les autres algorithmes méta


heuristiques (notamment la fonction évaluation)

• Paramètres difficiles à fixer (taille population, % mutation)

• Choix de la fonction d’évaluation délicat

• Pas assuré que la solution trouvée est la meilleure, mais


juste une approximation de la solution optimale

• Problèmes des optimums locaux si paramètres mal évalués

24
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Conclusion

L’utilisation d’algorithmes génétiques:


• Bien si on sait à quoi s’attendre et pas de solution classique
au problème posé
• Modularité et adaptation
• Attention à l’aléatoire, moins grande précision que systèmes
classiques et déterministes
• Machines d’aujourd’hui ont une puissance suffisante pour de
tels calculs/algorithmes
• Visucolor® : différents types de mires et petites variations,
bonne solution, et qui fonctionne.

25
Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

Conclusion

Le Stage m’a apporté:

• Application pratique de connaissances théoriques


• Polyvalence et faculté d’adaptation
• Évolution sur le plan professionnel et social
• Utilisation d’une Senseo
• Flatter l’ego de Romain Meunier

A l’issu du DUT :
• Intégration au monde professionnel
• Poursuite d’études

26
Les Algorithmes Génétiques

Commentaires
&
Questions

27