La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Les Algorithmes Génétiques Charline Voinot Soutenance de Stage IUT de Reims DUT Informatique – Option IN Promotion 2006.

Présentations similaires


Présentation au sujet: "Les Algorithmes Génétiques Charline Voinot Soutenance de Stage IUT de Reims DUT Informatique – Option IN Promotion 2006."— Transcription de la présentation:

1 Les Algorithmes Génétiques Charline Voinot Soutenance de Stage IUT de Reims DUT Informatique – Option IN Promotion 2006

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

3 3 Entreprise : Visucolor® Domaine : Contrôle de la Couleur Choix du stage : - Connaissance de lEntreprise et du Personnel - Applications en Imagerie Numérique Plusieurs missions, dont la principale est le développement dun système de détection automatique de couleurs grâce à lutilisation dun algorithme génétique. Introduction Logo de la société Visucolor® Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

4 4 Les Algorithmes Génétiques Soucis doptimisation (physique, biologie économie, sociologie) Utilisation des Mathématiques Méthodes analytiques ont fait preuve de leur efficacité Pas semblable à la nature Définition & Principe Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

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

6 6 Les Algorithmes Génétiques Intelligence Artificielle de bas niveau (« Intelligence » de la nature) 3 Types dAlgorithmes Évolutionnaires, aujourdhui regroupés: Algorithmes Génétiques Stratégies dÉvolution Programmation Évolutionnaires Notons également les domaines de la Programmation Génétique et de la Vie Artificielle. Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

7 7 Les Algorithmes Génétiques Il nexiste pas de preuve générale de lefficacité des Algorithmes Génétiques / Évolutionnaires Constater lefficacité de la sélection naturelle dans le monde vivant : Les individus sont adaptés à leur environnement Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

8 8 Les Algorithmes Génétiques Principe : Simuler lévolution dune population dindividus divers Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

9 9 Les Algorithmes Génétiques Ne nécessite pas une connaissance du problème : Boîte Noire Manipulation des entrées, lecture des sorties, et à nouveau manipulation des entrées afin daméliorer les sorties. Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

10 10 Les Algorithmes Génétiques Les Algorithmes Évolutionnaires sont inspirés du concept de sélection naturelle de Charles Darwin. Vocabulaire calqué : Population Individus Gènes Chromosomes Mutations Parents Descendants Reproduction Croisements Analogies avec des phénomènes biologiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

11 11 Les Algorithmes Génétiques Algorithmes issues de la biologie : Génétique Cellules Chromosomes ADN ADN = Chaîne de Gènes Variantes dun Gène = Allèle Emplacement du Gène sur le Chromosome = Locus Ensemble des Chromosomes = Génome Un Individu est composé de: Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

12 12 Les Algorithmes Génétiques Les Outils : Sélection (sélection naturelle) Amélioration globale de ladaptation Recombinaison (crossing-over) Opération prépondérante, simple ou multiple Mutation Pas de convergence prématurée, minimums et maximums locaux Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

13 13 Les Algorithmes Génétiques Différents types de sélection: Par rang (élitiste) Roue de la fortune (roulette) Par tournoi Uniforme Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

14 14 Recombinaison (crossing-over) ChromosomeContenu A00 : B01 : A00 : B01 : ChromosomeContenu A00 : : 10 B01 : : 00 A00 : : 10 B01 : : 00 SimpleMultiple Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Les Algorithmes Génétiques Définition & Principe

15 15 Les Algorithmes Génétiques Les mutations : Taux relativement faible et évolutif Permet déviter les problèmes doptimums locaux Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Minimum Local Minimum Global

16 16 Les Algorithmes Génétiques Schéma Récapitulatif Cycle qui se répète jusquà la condition darrêt : Nombre de générations fini Score des Individus Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe

17 17 Les Algorithmes Génétiques Applications multiples : Optimisations de fonctions numériques difficiles, demplois du temps, de design, traitement dimage, 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 Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

18 18 Les Algorithmes Génétiques 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 2 e46 solutions à tester Si on test de solutions par seconde… 1 e19 fois lâge de lunivers ! Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

19 19 Les Algorithmes Génétiques Le commis de voyage Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

20 20 Les Algorithmes Génétiques Visucolor : Détection Mire Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

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

22 22 Les Algorithmes Génétiques Sous certaines conditions : Nombre de solutions important Pas dalgorithme déterministe adapté et raisonnable Relativité de la solution Bonne rapidement plutôt que parfaite pendant un temps indéfini Avantages & Inconvénients Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

23 23 Les Algorithmes Génétiques Les Plus Faculté dadaptation, réactivité et prise en compte de lenvironnement (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 Avantages & Inconvénients Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

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

25 25 Les Algorithmes Génétiques Lutilisation dalgorithmes génétiques: Bien si on sait à quoi sattendre et pas de solution classique au problème posé Modularité et adaptation Attention à laléatoire, moins grande précision que systèmes classiques et déterministes Machines daujourdhui ont une puissance suffisante pour de tels calculs/algorithmes Visucolor® : différents types de mires et petites variations, bonne solution, et qui fonctionne. Conclusion Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

26 26 Les Algorithmes Génétiques Le Stage ma apporté: Application pratique de connaissances théoriques Polyvalence et faculté dadaptation Évolution sur le plan professionnel et social Utilisation dune Senseo Flatter lego de Romain Meunier A lissu du DUT : Intégration au monde professionnel Poursuite détudes Conclusion Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion

27 27 Les Algorithmes Génétiques Commentaires & Questions


Télécharger ppt "Les Algorithmes Génétiques Charline Voinot Soutenance de Stage IUT de Reims DUT Informatique – Option IN Promotion 2006."

Présentations similaires


Annonces Google