background preloader

Algorithme génétique

Algorithme génétique
Un article de Wikipédia, l'encyclopédie libre. Origines[modifier | modifier le code] La popularisation des algorithmes génétiques sera l'œuvre de David Goldberg à travers son livre Genetic Algorithms in Search, Optimization, and Machine Learning[1] (1989). Ce livre est encore édité aujourd'hui. En Europe, la première conférence sur ce type de sujet fut l'European Conference on Artificial Life en 1991 (elle a fêté ses 20 ans en 2011[2]), coorganisée par Francisco Varela et Paul Bourgine. Un des premiers ouvrages à présenter en Français les algorithmes génétiques sera le livre[3] Intelligence Artificielle et Informatique Théorique qui lui consacrera un chapitre dès 1993. Présentation[modifier | modifier le code] Analogie avec la biologie[modifier | modifier le code] Terminologie commune aux deux disciplines[modifier | modifier le code] Les algorithmes génétiques étant basés sur des phénomènes biologiques, il convient de rappeler au préalable quelques termes de génétique. Sélection

http://fr.wikipedia.org/wiki/Algorithme_g%C3%A9n%C3%A9tique

Related:  GA

Algorithmes génétiques Le terme génétique en informatique désigne un outil du monde de l’intelligence artificielle, permettant de converger vers un optimum (jeu de coefficients la plupart du temps) de configuration d’un système (matériel ou logiciel). Par rapport à une approche "brutale" consistant à évaluer toutes les combinaisons possibles, cette approche permet de traiter des problèmes dont la combinatoire est telle (dite "explosive") qu’une exploration systématique prendrait des temps infinis même avec des machines très puissantes. Il faut bien avoir conscience que, du fait des principes utilisés par cette méthode, elle ne garantit pas de trouver l’optimum absolu (qui d’ailleurs n’existe pas la plupart du temps si l’optimisation est de type multi-objectifs) mais de converger vers un optimum représentant un très bon compromis entre le niveau de qualité de la solution et le temps de calcul mis pour la trouver. Ce n’est donc pas une méthode formelle exacte, mais une méthode de résolution approchée. Documents

Algorithme à estimation de distribution Un article de Wikipédia, l'encyclopédie libre. Les algorithmes à estimation de distribution résolvent des problèmes d'optimisation en échantillonnant un modèle de distribution, dont les paramètres évoluent via des opérateurs de sélection. Ici, un AED à distribution normale mono-variante optimise un problème à une dimension x, l'échantillonnage est présenté aux différentes itérations i. Les algorithmes à estimation de distribution (« Estimation of Distribution Algorithms », EDA, en anglais) forment une famille de métaheuristiques inspirée des algorithmes génétiques. Ils sont utilisés pour résoudre des problèmes d'optimisation, via la manipulation d'un échantillonnage de la fonction décrivant la qualité des solutions possibles. Comme toutes les métaheuristiques utilisant une population de points, ils sont itératifs.

Programmation génétique Un article de Wikipédia, l'encyclopédie libre. Description[modifier | modifier le code] On nomme programmation génétique une technique permettant à un programme informatique d'apprendre, par un algorithme évolutionniste, à optimiser peu à peu une population d'autres programmes pour augmenter leur degré d'adaptation (fitness) à réaliser une tâche demandée par un utilisateur. Historique[modifier | modifier le code] Afin de bien comprendre d’où vient la programmation génétique, nous allons tout d’abord identifier quelques dates importantes pour cette recherche :

Filtrage bayésien du spam Un article de Wikipédia, l'encyclopédie libre. Le filtrage bayésien du spam (en référence au théorème de Bayes) est une technique statistique de détection de pourriels s'appuyant sur la classification naïve bayésienne. Les filtres bayésiens fonctionnent en établissant une corrélation entre la présence de certains éléments (en général des mots, parfois d'autres choses) dans un message et le fait qu'ils apparaissent en général dans des messages indésirables (spam) ou dans des messages légitimes (ham) pour calculer la probabilité que ce message soit un spam. Le filtrage bayésien du spam est une technique puissante pour traiter le courrier électronique indésirable.

Les Algorithmes Génétiques 1.1 Principes généraux Les algorithmes génétiques sont des algorithmes d'optimisation s'appuyant sur des techniques dérivées de la génétique et de l'évolution naturelle1 : croisements, mutations, sélection, etc. Les algorithmes génétiques ont déjà une histoire relativement ancienne puisque les premiers travaux de John Holland sur les systèmes adaptatifs remontent à 1962 [Hol62]. L'ouvrage de David Goldberg [Gol89c] a largement contribué à les vulgariser. Un algorithme génétique recherche le ou les extrema d'une fonction définie sur un espace de données. Pour l'utiliser, on doit disposer des cinq éléments suivants :

Inférence bayésienne Un article de Wikipédia, l'encyclopédie libre. Le raisonnement bayésien s'intéresse aux cas où une proposition pourrait être vraie ou fausse, non pas en raison de son rapport logique à des axiomes tenus pour assurément vrais, mais selon des observations où subsiste une incertitude. On attribue à toute proposition une valeur entre 0 (faux à coup sûr) et 1 (vrai à coup sûr). Réseau bayésien Un article de Wikipédia, l'encyclopédie libre. Un réseau bayésien est en informatique et en statistique un modèle graphique probabiliste représentant des variables aléatoires sous la forme d'un graphe orienté acyclique. Intuitivement, ils sont à la fois : Neurone formel Un article de Wikipédia, l'encyclopédie libre. Représentation d'un neurone formel (ou logique) Le neurone formel est l'unité élémentaire des réseaux de neurones artificiels dans lesquels il est associé à ses semblables pour calculer des fonctions arbitrairement complexes, utilisées pour diverses applications en intelligence artificielle. Le neurone formel de McCulloch et Pitts[modifier | modifier le code]

Algorithmes génétiques - A525G Les algorithmes génétiques 1. Introduction L’Optimisation est l’une des branches les plus importantes des mathématiques appliquées modernes, et de nombreuses recherches, à la fois pratiques et théoriques, lui sont consacrées. Moteur d'inférence Un article de Wikipédia, l'encyclopédie libre. Un moteur d'inférence (du verbe « inférer » qui signifie « déduire ») est un logiciel correspondant à un algorithme de simulation des raisonnements déductifs. Un moteur d'inférence permet aux systèmes experts de conduire des raisonnements logiques et de dériver des conclusions à partir d'une base de faits et d'une base de connaissances. Les moteurs d'inférences peuvent implémenter :

Related: