Les Algorithmes Génétiques

Présentation au sujet: "Les Algorithmes Génétiques"— Transcription de la présentation:

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

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

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

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

5 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Théorie de l’Évolution 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

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

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

8 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Principe : Simuler l’évolution d’une population d’individus divers

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

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

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

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

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

14 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Recombinaison (crossing-over) Simple Multiple Chromosome Contenu A 00 : B 01 : A’ 00 : B’ 01 : Chromosome Contenu A 00 : : 10 B 01 : : 00 A’ 00 : : 10 B’ 01 : : 00

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

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

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

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

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

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

21 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Compression d’images

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

23 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Avantages & Inconvénients Les Plus Faculté d’adaptation, réactivité et prise en compte de l’environnement (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

24 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Avantages & Inconvénients 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 d’évaluation 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

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

26 Les Algorithmes Génétiques
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Conclusion Le Stage m’a apporté: Application pratique de connaissances théoriques Polyvalence et faculté d’adaptation Évolution sur le plan professionnel et social Utilisation d’une Senseo Flatter l’ego de Romain Meunier A l’issu du DUT : Intégration au monde professionnel Poursuite d’études

27 Les Algorithmes Génétiques
Commentaires & Questions