Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.01 Exemple d’utilisation du GA 1. Initialement une population est choisie au hasard. 2. Chaque individu (ou chromosome) voit son indice d’adaptation (fitness) évalué. 3. Création d’une nouvelle population en répétant les étapes suivantes jusqu’à ce qu’elle soit complète : a. Sélection de 2 parents de la population dépendant de leur fitness. b. Croisement (Crossover) d’après un taux de croisement. S’il y a croisement, 2 enfants sont produits, sinon les parents sont conservés tel quel dans la génération suivante. c. Mutation d’un individu par modification d’un locus (position dans le chromosome) de son chromosome d’après un taux de mutation. 4. Cette nouvelle population remplace l’ancienne. 5. L’algorithme s’arrête si le critère d’arrêt est atteint et renvoie la meilleure solution (le meilleur individu) de la génération sinon l’algorithme reprend en à l’évaluation de la fitness 2.

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.02 Étape 1 : Une population est choisie au hasard [3] [12] [21] [33] Étape 2 : Évaluation des individus (Fitness). Fitness : f(x) = x 2 a) b) c) d) a) b) c) d) Moyenne = 421

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.03 Étape 3 : Création d’une nouvelle population : a1. Sélection de 2 parents de la population dépendant de leur fitness [3] [12] [21] [33] a) b) c) d) Nombre espéré d’exemplaires : f(x) / Moyenne [33] [21] a’) b’) Les deux parents tirés aléatoirement.

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.04 Étape 3 : Création d’une nouvelle population : b1. Croisement (Crossover) d’après un taux de croisement. Croisement au bit 3 Entre a’ et b’ [33] [21] a’) b’) [37] [17] a’) b’)

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.05 Étape 3 : Création d’une nouvelle population : c1. Mutation d’un individu par modification d’un locus [37] [17] a’) b’) Pas de mutation.

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.06 Étape 3 : Création d’une nouvelle population : a2. Sélection de 2 parents de la population dépendant de leur fitness [3] [12] [21] [33] a) b) c) d) Nombre espéré d’exemplaires : f(x) / Moyenne Les deux parents tirés aléatoirement [33] [12] c’) d’)

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.07 Étape 3 : Création d’une nouvelle population : b1. Croisement (Crossover) d’après un taux de croisement. Croisement au bit 3 Entre a’ et b’ [37] [9] c’) d’) [33] [12] c’) d’)

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.08 c1. Mutation d’un individu par modification d’un locus. Étape 3 : Création d’une nouvelle population : [52] [9] c’) d’) [37] [9] c’) d’) Mutation au bit 2 De l’individu c’.

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.09 Étape 4 : Cette nouvelle population remplace l’ancienne [52] [9] c’) d’) [37] [17] a’) b’)

Peuplement d’une ville virtuelle S.ESTIENNE PRE001v1.010 Étape 5 : L’algorithme s’arrête, le critère d’arrêt est atteint et il renvoie la meilleure solution (meilleur individu) [52] [9] c’) d’) [37] [17] a’) b’) Meilleure solution.