Вы находитесь на странице: 1из 25

Algorithmes Gntiques :

Principes mathmatiques et
Utilisations
C. Bontemps
Merci Jean Marc Alliot, Christophe Bisiere, Nicolas Durand,
Nathalie Lenoir et Eric Malin
Plan Gnral
Principes des algorithmes gntiques
Exemples
Oprateurs classiques
Amliorations
Rsultats thoriques
Utilisations et perspectives
Principe des Algorithmes Gntiques
Algorithmes Stochastiques itratifs qui oprent
sur des individus cods, partir dune population
initiale.
Cette population volue de la gnration k la
gnration k+1 laide de trois oprateurs :
Oprateur de Slection
Oprateur de Croisement
Oprateur de Mutation.
Principe (suite)
Chaque individu est reproduit en fonction de son
adaptation au problme (fitness).
On code les individus de manire les faire
voluer grce aux oprateurs
On effectue
des croisements sur les individus destins tre
reproduits
Des mutations alatoires
Gnration de nouveaux individus
Ingrdients
Une fonction objectif
Une population initiale
Une mthode de codage
Des oprateurs
Un critre darrt
Evaluation-Slection
Mutation
Population gnration k
Population gnration k+1
Croisement
(Nouveaux individus)
Pc
Pm
Exemple lmentaire
Max de f(x)=4x(1-x) sur lintervalle [0,1]
Tirage dune population initiale de 4 lments
cods sur 8 bits
Evaluation et Slection des individus:
les meilleurs sont plutt conservs ou
transforms,
les mauvais sont plutt limins.
Formation dune nouvelle population de 4
individus
Exemple lmentaire
10111010
00011010
01101100
11011110
2.595947
0.794678
0.460693
0.364990
0.975586
Elts f(x) % repr.
0.79/2.59=0.31
0.46/2.59=0.18
0.97/2.59=0.37
0.36/2.59=0.14
0
1
0,31 0,49 0,63
0.31
0.49
0.63
1.00
Cumul
On tire 4 nombres entre 0 et 1: 0.47, 0.18, 0.89 et 0.75
Exemple lmentaire (suite)
11011110
01101100
01101100
10111010
Elts Slectionns
On tire les lments destins se croiser avec la proba Pc
Elments Choisis
pour le croisement
Pc
Croisement des individus 1 et 3
11011110 01101100
On tire une position parmi les 8 bits : 4
11011110 01101100
11011100 01101110
Parent 1 Parent 2
Enfant 1 Enfant 2
Les deux lments issus de la slection
Exemple lmentaire (fin)
11011100
01101110
01101100
10111010
Pop. Finale
On ritre ensuite la procdure
Apres 100 gnrations (2,5 sec.),
le meilleur lment est x=0,499959
f(x)
0.980225
0.975586
0.794678
0.483398
Meilleur
individu
Une comparaison Economtrique
(Dorsey et Mayer)
Comparaison de 6 mthodes :
Simplexe (Nedler & Mead 1965)
Adaptative Random Search (Pronzato et al. 1984)
Simulated Annealing (Corona et al. 1987)
Draw (recherche alatoire)
Algorithme Gntique
MSCORE (Manski, Thompson 1987)
sur 11 problmes conomtriques classiques
Evaluation-Slection
A chaque lment i de la gnration k on
associe la probabilit Pi
On tire m individus (avec replacement) dans la
gnration k des (i ,Pi )i=1, ..,m Gn Hk
On favorise la reproduction des bons
On largit ensuite la population par
croisement et mutation
P
T f
T f
i
i
j
j m
=
=

( )
( )
,..

1
Loprateur de croisement
Oprateur dexploration de lespace dtat
On tire :
un couple dlments de Hk : (j,l )
une variable alatoire YBernouilli()
Si Y =1 Croisement des individus (j,l)
Si Y=0 Individus replacs dans G(k+1)
= Pc = Probabilit de croisement (~60-80%)
Croisement pour un codage chromosomique
10111010 11110000
On tire une position parmi les 8 bits : 4
10111010 11110000
10110000 11111010
Parent 1 Parent 2
Enfant 1 Enfant 2
Deux lments (binaires) issus de la gnration k
Croisement sur lments rels
Deux lments issus de la gnration k : P1 et P2
P1
P2
Barycentre de P1 et P2 avec a dans [0,1]
Barycentre de P1 et P2 avec a hors de [0,1]
C1=aP1+(1-a)P2
C2=(1-a)P1+aP2
Limitations de loprateur de Croisement
Si tous les lments sont dans le mme sous-espace.
P1
P2
Barycentre de P1 et P2 avec a dans [0,1]
Barycentre de P1 et P2 avec a hors de [0,1]
C1=aP1+(1-a)P2
C2=(1-a)P1+aP2
P3
P5
P6
P4
P3
Limitations de loprateur de croisement
Si on code la population sous la forme :
La population
Optimum
na pas de 7 en dernire position
g1|g2|g3
5|4|0
2|3|1
7|3|3
9|4|2
6|8|5
4|6|6
1|2|7
Loprateur de mutation
Autre oprateur dexploration de lespace dtat
On tire :
un lment de Hk : j
une variable alatoire YBernouilli()
Si Y =1 Mutation de lindividu j
Si Y=0 Individu replac dans G( k+1)
=Pm =Probabilit de mutation (<10%)
Mutation sur un codage binaire
10111010
On tire une position parmi les 8 bits : 6
Un lment tir avec la probabilit Pm
10111010
10111110
Elment original
Elment mut
Mutation sur un codage rel
574907.23
On tire un lment de bruit que lon ajoute :
Un lment tir avec la probabilit Pm
(0, )
574907.23 +
Bruit
Elment mut
Croisement avec Recuit simul
Evaluation-Slection
Mutation
Population gnration k
Population gnration k+1
Croisement
Pc
Tournoi
Pm
Recuit simul
Mthode dexploration alatoire de lespace
admissible, partir dune solution quelconque
lalgorithme gnre une solution voisine,
Si le nouveau est meilleur on le garde,
Sinon on le garde avec la proba
Xi
Xf
P
E E
T k
k
i f
=

exp (
( )
)
Evaluation-Slection
Mutation
Population gnration k
Population gnration k+1
Croisement
Pc
Pm
Evaluation-Slection
Population gnration k
Croisement
Pc
Pm
Mutation
Population gnration k+1