Remerciez-le!

Remerciez @Admin pour avoir partagé cet document gratuitement, de la manière la plus simple, en partageant sur les réseaux sociaux.

Pr ese ntation 2 Algorithmes génétiques Ivan Boelle Jo ?rey Tourret Ingénieurs ?? IR Exposé Système - IR CAlgorithmes génétiques ? Présentation ? Problèmes non classiques ? ? Algorithmes basés sur les heuristiques ? Algorithmes génétiques ? Fonctionnement

Algorithmes génétiques Ivan Boelle Jo ?rey Tourret Ingénieurs ?? IR Exposé Système - IR CAlgorithmes génétiques ? Présentation ? Problèmes non classiques ? ? Algorithmes basés sur les heuristiques ? Algorithmes génétiques ? Fonctionnement ? Principes de base ? Optimisation ? Utilisation ? Modélisation ? Démos ? Cas réels ? Conclusion ? Bibliographie Exposé Système - IR CPrésentation ? Problèmes non classiques ? ? Pas de méthode pour résoudre Déplacement d ? un robot ? Modélisation trop complexe Comportement social ? Évolution Adaptation Tolérance à l ? erreur Systèmes de perception d ? analyse Exposé Système - IR CPrésentation ? Une solution basée sur les heuristiques ? Approche di ?érente du problème Recherche de la meilleure solution moins mauvaise - Exploration du domaine de solutions Exposé Système - IR CPrésentation R x y tel que g f x y est optimal avec x y ? I R Meilleure solution - x y Solution - I Ensemble des solutions - f x y Fonction coût - g Fonction objectif Exposé Système - IR CPrésentation ? Une solution les heuristiques ? Principaux algorithmes Brute force Monte Carlo Hill climbers gradient descent annealing tabu search Evolutionary algorithm Genetic ant colony neurals networks Constraints algorithms Local consistency hybrid algorithms ? ? ? ? ? ? ? ? ? Exposé Système - IR CPrésentation ? Algorithmes génétiques ? Origine Théorie Darwinienne de l ? évolution Struggle for life - Sélection naturelle ? AG inspirés du paradigme Terminologie identique population individu chromosome gène Traduction du phénomène ? Opérateurs d ? évolution Sélection - Croisement - Mutation CPrésentation ? Algorithmes génétiques ? Gène et génotype ? Crossing over CPrésentation ? Algorithmes génétiques ? Individus di ?érents ? Sélection des mieux adaptés ? Hérédité CFonctionnement ? Principes de base ? Modélisation de la sélection naturelle Etape d ? évaluation ? C ? est donc une sélection arti ?cielle Intervention humaine CFonctionnement ? Principes de base ? Génération Création d ? un population aléatoire ? Evaluation Comparaison des individus ? Sélection On ne garde que les meilleurs ? Croisement Mutation On les fait se reproduire Évoluer ? Retour à l ? évaluation CFonctionnement ? Optimisations Algorithmiques ? Critère d ? arrêt ? Algorithmes hybrides Hill climbers ? Élitisme ? Con ?guration du degré mutation croisements ? Modélisation Exposé Système - IR CFonctionnement ? Optimisations Implémentation ? Gestion mémoire Problèmes ?? Algorithmes avec de très nombreuses itérations ?? Variables temporaires nombreuses Solutions ?? Utilisation de tampons bu ?ers ?? Stratégies de réutilisation ?? Design pattern Flyweight Exposé Système - IR CUtilisation ? Modélisation ? Cas concret Problème f x x x ? xn x x x - ? xn - f x x x ? xn - x x x ? xn - La suite des opérations aléatoirement choisie en début d ? algorithme ? Comment modéliser le problème Que cherche-t-on - On dé ?nit la population les individus les gènes ? ? ? ? ? ? ? ? ? ? ? ? ? ? CUtilisation ? Modélisation ? Population