Yann SEMET Projet Fractales, INRIA Rocquencourt

Présentation au sujet: "Yann SEMET Projet Fractales, INRIA Rocquencourt"— Transcription de la présentation:

1 Yann SEMET Projet Fractales, INRIA Rocquencourt
Optimisation par Colonies de Fourmis pour le E-Learning : optimisation de parcours pédagogiques Yann SEMET Projet Fractales, INRIA Rocquencourt

2 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Itinéraire Le site Paraschool Problème et solution Détails algorithmiques Procédures de sélection Simulations et tests réels Perspectives "ACO & E-Learning" JET Avril Université Paris V

3 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Le site Paraschool "ACO & E-Learning" JET Avril Université Paris V

4 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Le site Paraschool "ACO & E-Learning" JET Avril Université Paris V

5 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Le site Paraschool "ACO & E-Learning" JET Avril Université Paris V

6 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Le site Paraschool "ACO & E-Learning" JET Avril Université Paris V

7 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Le site Paraschool "ACO & E-Learning" JET Avril Université Paris V

8 Optimisation par Colonies de Fourmis (A CO)
Paradigme inspiré des colonies d’insectes sociaux Agents multiples et simples Balance information stigmergique et heuristique locale Solution « émergente » Efficace, souple, facile à écrire (métaphore des agents) "ACO & E-Learning" JET Avril Université Paris V

9 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Un exemple 2 Nid Source 1 4 3 "ACO & E-Learning" JET Avril Université Paris V

10 Fourmis et voyageurs de commerce (ACO&TSP)
Application classique Excellents résultats obtenus par méthodes hybrides l1 j i lk ln "ACO & E-Learning" JET Avril Université Paris V

11 Modèle : graphe pédagogique
2 4 6 1 5 7 3 "ACO & E-Learning" JET Avril Université Paris V

12 W : structure pédagogique
« Vecteurs colinéaires » W=1 « Produit d’un vecteur par un réel » 2 1 3 W=5 « Alignement, parallélisme et vecteurs » "ACO & E-Learning" JET Avril Université Paris V

13 W : structure pédagogique
0.1 1 2 4 6 1 1 10 1 5 7 5 3 "ACO & E-Learning" JET Avril Université Paris V

14 Un problème d’optimisation
Maximiser : succès pédagogique Trouver la bonne valuation Contraintes : Pédagogiques Facteurs individuels Facteurs collectifs "ACO & E-Learning" JET Avril Université Paris V

15 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Fourmis & Phéromones Communication stigmergique 2 types de phéromone : S et F Dépôt : mémoire Rétro-propagation : portée pédagogique Évaporation : dynamisme Pour une valuation plus pertinente "ACO & E-Learning" JET Avril Université Paris V

16 Rétro-propagation : Succès
2 4 6 1 5 7 W S+=1/2 F 3 W S+=1/3 F W S+=1/4 F W S+=1 F "ACO & E-Learning" JET Avril Université Paris V

17 Rétro-propagation : Échec
2 4 6 1 5 7 W S F +=2/2 3 W S F +=2/2 W S F +=2/2 W S F+=2 "ACO & E-Learning" JET Avril Université Paris V

18 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
S/F : évaporation  : taux d’évaporation ; x=t Portée pédagogique temporelle Exploration dynamique Adaptabilité "ACO & E-Learning" JET Avril Université Paris V

19 Mémoire individuelle : H
Un 1er facteur individuel Modèle de la mémoire volatile Une valeur par nœud et par étudiant Application de NxI dans R Nœud non visité : H=1 Nœud réussi : H=0.5 Nœud raté : H=0.75 "ACO & E-Learning" JET Avril Université Paris V

20 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
H : anti-évaporation =constante de temps ; x=t H revient naturellement vers 1 "ACO & E-Learning" JET Avril Université Paris V

21 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Une mesure de fitness Mesure unifiée d’excellence locale Mesure la « désirabilité » des arcs "ACO & E-Learning" JET Avril Université Paris V

22 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Désirabilité des arcs Balance heuristique locale/information stigmergique. Cf TSP Un arc est désirable lorsqu’il est : renforcé les professeurs (W élevé) témoin de succès (S élevé) non témoin d’échecs (F bas) nouveau ou oublié (H proche de 1) "ACO & E-Learning" JET Avril Université Paris V

23 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Sélection d’arcs Sélection d’un arc à proposer parmi les arcs sortants Deux forces : Fitness (exploitation) Hasard (exploration) Balance réglable : s "ACO & E-Learning" JET Avril Université Paris V

24 Procédures implémentées
Roulette Sélection par le rang : seuils automatiques et manuels Tournoi Tournoi stochastique "ACO & E-Learning" JET Avril Université Paris V

25 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Tests : Simulations Une population d’étudiants : G(0.5,1/3) A chaque étudiant i son niveau A chaque nœud sa difficulté : 0.0<d<1.0 Si niveau(i)>d succès, sinon échec "ACO & E-Learning" JET Avril Université Paris V

26 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Un test élémentaire W=1 Taux de succès : 90% si n-1=2 10% si n-1=3 2 1 5 3 W=5 Objectif : rétablir la situation, encourager 2 "ACO & E-Learning" JET Avril Université Paris V

27 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Comportements "ACO & E-Learning" JET Avril Université Paris V

28 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Courbes de calibrage "ACO & E-Learning" JET Avril Université Paris V

29 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Application réelle En cours ! Mode silencieux Observations préliminaires encourageantes : Faisabilité technique Structuration autonome du graphe Émergence de nœuds singuliers Travail à venir "ACO & E-Learning" JET Avril Université Paris V

30 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Résumé, Perspectives L’E-Learning comme un problème d’optimisation Un nouveau champ d’applications pour l’intelligence en essaim Une nouvelle façon de faire du design évolutionnaire interactif "ACO & E-Learning" JET Avril Université Paris V

31 MERCI ! Yann.Semet@tremplin-utc.net
« Ant Colony Optimisation for E-Learning : Observing the Emergence of Pedagogic Suggestions » Y.Semet, Y. Jamont, R. Biojout, E. Lutton, P. Collet - Projet Fractales, INRIA Rocquencourt Université de Technologie de Compiègne

32 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Annexes "ACO & E-Learning" JET Avril Université Paris V

33 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
H : calibrage de  Oublier un exercice : H va de 0.5 à 0.9 Oublier prend 1 semaine (x=604800s) =3.6E-6 "ACO & E-Learning" JET Avril Université Paris V

34 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
La roulette E=nœuds accessibles depuis ni Probabilité proportionnelle au fitness Automatique mais pas réglable Sensible, parfois trop "ACO & E-Learning" JET Avril Université Paris V

35 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Sélection par le rang I Probabilité de sélection inversement proportionnelle au rang Réduction automatique des écarts Non réglable Peut être insuffisamment subtil "ACO & E-Learning" JET Avril Université Paris V

36 Sélection par le rang II
Probabilités attribuées manuellement pour chaque rang Complètement paramétrable Lourd "ACO & E-Learning" JET Avril Université Paris V

37 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Sélection par tournoi S1 arcs sortants tirés au hasard Le meilleur est choisi 1 paramètre de contrôle "ACO & E-Learning" JET Avril Université Paris V

38 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Tournoi stochastique On choisit d’abord le pire arc S1 « challengers » sont essayés l’un après l’autre Si plus fort, le « challenger » remplace son prédécesseur avec une probabilité s2 2 paramètres de contrôle "ACO & E-Learning" JET Avril Université Paris V

39 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Prolongements Nouveaux facteurs individuels (agenda, excellence, etc.) Nouveaux facteurs collectifs (e.g. coupe de re-médiation) Observation avant tout "ACO & E-Learning" JET Avril Université Paris V

40 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Facteurs clés Écoute de l’équipe pédagogique Écoute des élèves Davantage que l’optimisation computationelle "ACO & E-Learning" JET Avril Université Paris V

41 "ACO & E-Learning" JET 9 - 2 Avril 2003 - Université Paris V
Résumé Un problème d’optimisation : chercher la bonne valuation des arcs d’un graphe de navigation pédagogique Solution proposée : agents, communication stigmergique, sélection semi-aléatoire Éléments de calibrage Premières observations encourageantes "ACO & E-Learning" JET Avril Université Paris V