Les Algorithmes Génétiques

Charline Voinot IUT de Reims
DUT Informatique – Option IN

Promotion 2006
Les Algorithmes Génétiques
Soutenance de Stage
Plan
Introduction
Présentation et Définition du Principe
Utilisations en Imagerie Numérique
Avantages et Inconvénients
Conclusion
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
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
• 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
• 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
• 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

• Principe : Simuler l’évolution d’une population d’individus divers
8

• 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 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

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 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
Différents types de sélection:
• Par rang (élitiste)

• Roue de la fortune (roulette)
• Par tournoi
• Uniforme
13

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 mutations :
• Taux relativement faible et évolutif
• Permet d’éviter les problèmes d’optimums locaux
Minimum Local
Minimum Global
15
Schéma Récapitulatif
Cycle qui se répète jusqu’à la

condition d’arrêt :
• Nombre de générations fini
• Score des Individus
16
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
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
Utilisations
Le commis de voyage
19
Utilisations
Visucolor : Détection Mire
20
Utilisations
Compression d’images
21
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 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 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
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
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
Commentaires
&
Questions
27

Langue

Bienvenue sur Scribd !

Les Algorithmes Génétiques

Transféré par

Informations du document

Description :

Date du transfert

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Description :

Droits d'auteur :

Formats disponibles

Les Algorithmes Génétiques

Transféré par

Description :

Droits d'auteur :

Formats disponibles

Titres liés

Charline Voinot IUT de Reims

DUT Informatique – Option IN

Les Algorithmes Génétiques

Plusieurs missions, dont la principale est le développement

Définition & Principe

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

• Méthodes analytiques ont fait preuve de leur efficacité

Définition & Principe

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

• Années 1990, vulgarisation des algorithmes génétiques avec la

Définition & Principe

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

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

Notons également les domaines de la Programmation Génétique et

Définition & Principe

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

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

Les individus sont adaptés à leur environnement

Définition & Principe

Définition & Principe

Manipulation des entrées, lecture des sorties, et à nouveau

Définition & Principe

Les Algorithmes Évolutionnaires sont inspirés du concept

Analogies avec des phénomènes biologiques

Définition & Principe

Un Individu est composé de:

• ADN = Chaîne de Gènes

Définition & Principe

• Sélection (sélection naturelle)

Définition & Principe

Différents types de sélection:

• Par rang (élitiste)

Définition & Principe

Chromosome Contenu Chromosome Contenu

Définition & Principe

Définition & Principe

Cycle qui se répète jusqu’à la

Les Algorithmes Génétiques peuvent être utilisés pour contrôler

• Méthode exhaustive exclue :

Avantages & Inconvénients

Sous certaines conditions :

Avantages & Inconvénients

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

• Permet de traiter des espaces de recherche important

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

Avantages & Inconvénients

• Nécessitent plus de calculs que les autres algorithmes méta

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

• Choix de la fonction d’évaluation délicat

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

• Problèmes des optimums locaux si paramètres mal évalués

L’utilisation d’algorithmes génétiques:

Le Stage m’a apporté:

• Application pratique de connaissances théoriques

Centres d'intérêt liés

Documents similaires à Les Algorithmes Génétiques

Plus de training Qhsee