Algorithme Génétique et Gestion de Projet

Présentation au sujet: "Algorithme Génétique et Gestion de Projet"— Transcription de la présentation:

1 Algorithme Génétique et Gestion de Projet
B. Batut, M. Chevalier, E. Girard et N. Parisot

2 Objectif A partir d’un graphe aléatoire,
Obtenir un graphe biologiquement réaliste via l’utilisation d’un Algorithme Génétique

3 Première Etape : Graphes
Choisir un type de graphe biologique à imiter Graphe de réactions métaboliques Motif Search in Metabolic Networks Récupération des 76 graphes disponibles au format XML

4 Première Etape : Graphes
Sélection des graphes entre 100 et 500 noeuds (± 10%) 48 Graphes Calcul des caractéristiques de ces graphes Réseau métabolique moyen

5 Première Etape : Graphes
Réseau Métabolique Moyen Degré moyen d’un noeud : 4.05 ± 0.93 Coefficient de clustering : 0.37 ± 0.06 Nombre de cliques (normalisé par nombre de noeuds) : 0.7 ± 0.05 Mean Free Path : 5.78 ± 1.52

6 Deuxième Etape : Algo Gen
Développement du logiciel Interface Graphique CAPTURE

7 Deuxième Etape : Algo Gen
Définition de la fitness Adéquation de la distribution des degrés à une loi de puissance de paramètre 2.2 (Valeur trouvée dans la littérature) Test de Kolmogorov-Smirnov p-value doit être < 1e-6 Nombre de cliques Doit être compris entre Coefficient de clustering Connexité Egale à 1 obligatoirement Mean Free Path

8 Deuxième Etape : Algo Gen
Pondération de la fonction de fitness Additif Test vs

9 Tests

10 Résultats