29/6/2014 Algorithmes Evolutionnaires et Algorithmes Gntiques - MAGNIN.plil.

net
http://magnin.plil.net/spip.php?article45 1/5
MAGNIN.plil.net
Langues du site [fr] franais
Accueil > Enseignement > Cours gratuits > Optimisation et algorithmes gntiques > Algorithmes
Evolutionnaires et Algorithmes Gntiques
Algorithmes Evolutionnaires et Algorithmes
Gntiques
vendredi 7 juillet 2006, par Vincent MAGNIN
En vrit, aux tout premiers temps, naquit Chaos. Hsiode
To create a little flower is the labour of ages. William Blake
Les Algorithmes Evolutionnaires (AE) sont inspirs du concept de slection naturelle labor par Charles
Darwin. Le vocabulaire employ est directement calqu sur celui de la thorie de lvolution et de la
gntique. Nous parlerons donc dindividus (solutions potentielles), de population , de gnes (variables), de
chromosomes , de parents , de descendants, de reproduction, de croisement , de mutations , etc. Et nous
nous appuierons constamment sur des analogies avec les phnomnes biologiques.
La slection naturelle
Sil nexiste pas de preuve gnrale de lefficacit des AE, il est par contre ais de constater lefficacit de la
slection naturelle dans le monde vivant. Si lon adhre ce paradigme, il est clair que lvolution a permis
lmergence dorganismes tonnamment adapts leur environnement. Les AE sont conus par analogie
avec ce processus dvolution biologique et tirent leur puissance des mmes mcanismes, que nous allons
rappeler sommairement.
The Origin of Species by means of Natural Selection or the Preservation of favoured races in the
struggle for life
Chapter 1 : Variation under domestication
Chapter 2 : Variation under Nature
Chapter 3 : Struggle for existence
Chapter 4 : Natural Selection
Chapter 5 : Laws of variation
...
Figure 1 : titre complet et premiers chapitres de The Origin of Species (1859), dans la langue de lauteur.
Dans The Origin of Species(1859), Darwin montre que lapparition despces distinctes se fait par le biais de
la slection naturelle de variations individuelles (voir figure 2). Cette slection naturelle est fonde sur la
lutte pour la vie, due une population tendant naturellement stendre mais disposant dun espace et de
ressources finis. Il en rsulte que les individus les plus adapts ( the fittest en anglais) tendent survivre plus
longtemps et se reproduire plus aisment. Le terme " adapt " se rfre lenvironnement, que lon peut
dfinir comme tant lensemble des conditions externes un individu, ce qui inclut les autres individus. Les
lois de variation (croisements et mutations) furent expliques plus tard par Mendel, puis par la gntique
moderne.
29/6/2014 Algorithmes Evolutionnaires et Algorithmes Gntiques - MAGNIN.plil.net
http://magnin.plil.net/spip.php?article45 2/5
Le point clef est lapparition, par hasard, de variations individuelles. Cest ce hasard qui permet dexpliquer
les phnomnes dvolution et dadaptation sans avoir recourt ni une cration, ni une modification directe
de lhrdit par le milieu, ni mme une finalit. Dans ce cadre, les espces voluent et sadaptent leur
environnement mais sans tendre vers aucun but prdtermin, et mme sans forcment tendre vers plus de
complexit (la simplicit est parfois prfrable).
Notons que les mmes principes sont lorigine de lefficacit du systme immunitaire : celui-ci produit
dnormes quantits danticorps alatoires. Ceux qui se rvlent par hasard efficaces sont alors, par un
mcanisme de rtroaction, produits en plus grande quantit [Monod 1970 et Wills, 1991]. Enfin, les principes
de lvolution sont maintenant utiliss par les biologistes pour produire de nouvelles enzymes : de trs
nombreuses squences dADN synthtises alatoirement sont soumises une slection et des mutations
(volution en prouvette) jusqu obtention des proprits dsires.
Dernire remarque : si la comptition a certaines vertus, et mme des vertus certaines, chacun sait bien que
"lunion fait la force", la Nature la premire. Pour preuve, je citerai certaines tapes de lvolution telles que
lintgration des mitochondries aux cellules, le passage des organismes monocellulaires aux organismes
pluricellulaires, les phnomnes de symbiose et bien sr la vie en socit. De tels phnomnes coopratifs
peuvent donc tre slectionns et ouvrir de nouvelles voies la vie. Lalgorithme trs simple que nous
prsentons ne prend pas en compte ces mcanismes, mais rien ninterdit de le faire (bon courage) !
Algorithmes Evolutionnaires et Algorithmes Gntiques
Gnralits
Figure 2
Organigramme dun Algorithme
Evolutionnaire.
La Figure 2 prsente lorganigramme dun AE. Il sagit de simuler lvolution dune population dindividus
divers (gnralement tire alatoirement au dpart) laquelle on applique diffrents oprateurs
(recombinaisons, mutations) et que lon soumet une slection, chaque gnration. Si la slection
sopre partir de la fonction dadaptation, alors la population tend samliorer [Bck, 1996 et Bck,
1997]. Un tel algorithme ne ncessite aucune connaissance du problme : on peut reprsenter celui-ci par une
bote noire comportant des entres (les variables) et des sorties (les fonctions objectif). Lalgorithme ne fait
que manipuler les entres, lire les sorties, manipuler nouveau les entres de faon amliorer les sorties,
etc. [Whitley, 1993] Cest ainsi quont procder les leveurs pendant des millnaires : ils ont russi modifier
29/6/2014 Algorithmes Evolutionnaires et Algorithmes Gntiques - MAGNIN.plil.net
http://magnin.plil.net/spip.php?article45 3/5
selon leurs dsirs de nombreuses espces animales sans connaissance en gntique ou biologie molculaire.
Figure 6
On peut symboliser un problme doptimisation par une bote
noire . Les sorties (en haut) peuvent tre optimises en
manipulant les entres (en bas) jusqu obtenir le rsultat
voulu, sans aucune connaissance de lintrieur de la bote.
Les AE sont une automatisation de cette mthode dessai et
erreur.
Les AE constituent une approche originale : il ne sagit pas de trouver une solution analytique exacte, ou une
bonne approximation numrique, mais de trouver des solutions satisfaisant au mieux diffrents critres,
souvent contradictoires. Sils ne permettent pas de trouver coup sr la solution optimale de lespace de
recherche, du moins peut-on constater que les solutions fournies sont gnralement meilleures que celles
obtenues par des mthodes plus classiques, pour un mme temps de calcul.
Historique
Les AE font partie du champ de lIntelligence Artificielle (IA). Il sagit dIA de bas niveau, inspire par "
lintelligence " de la Nature. Intelligence que lon peut dfinir de la faon suivante : " the capability of a
system to adapt its behaviour to meet its goals in a range of environments " [Fogel, 1995].
Trois types dAE ont t dvelopps isolment et peu prs simultanment, dans les annes 60, par
diffrents scientifiques : les Algorithmes Gntiques , les Stratgies dEvolution , et la Programmation
Evolutionnaire . Prsentant des diffrences marques lorigine, ils tendent de plus en plus se confondre
suite leurs emprunts respectifs [Bck, 1997]. Dans les annes 90, ces trois champs ont commenc sortir
de leur isolement et ont t regroups sous le terme anglo-saxon d Evolutionnary Computation . Ainsi en
avril 1997, un IEEE Transactions on Evolutionary Computation a vu le jour [Fogel, 1997].
Notons que les AE incluent galement la Programmation Gntique qui consiste faire voluer le code
dun logiciel afin quil remplisse au mieux certaines taches. Citons enfin le domaine de la Vie Artificielle o
lon tente de reproduire les mcanismes de la vie dans la mmoire dun ordinateur afin de mieux comprendre
lorganisation et lvolution du vivant.
Parmi les AE que nous venons de citer, nous avons choisi de traiter des Algorithmes Gntiques (AG). En
effet, ils nous paraissaient concilier au mieux puissance, gnralit et facilit de programmation. Leur
particularit est quils sont fonds sur le No-Darwinisme, cest--dire lunion de la thorie de lvolution et
de la gntique moderne. Ainsi, les variables sont gnralement codes en binaire (par analogie avec les
quatre lettres de lalphabet gntique) sous forme de gnes dans un chromosome. Des oprateurs gntiques
(croisement, mutation) sont appliqus ces chanes binaires que sont les chromosomes [Bck, 1996 et
Goldberg, 1994].
29/6/2014 Algorithmes Evolutionnaires et Algorithmes Gntiques - MAGNIN.plil.net
http://magnin.plil.net/spip.php?article45 4/5
Applications
Les applications des AG sont multiples : optimisation de fonctions numriques difficiles (discontinues,
multimodales, bruites), traitement dimage (alignement de photos satellites, reconnaissance de
suspects), optimisation demplois du temps, optimisation de design, contrle de systmes industriels
[Beasley, 1993a], apprentissage des rseaux de neurones [Renders, 1995], etc. Les AG peuvent tre utiliss
pour contrler un systme voluant dans le temps (chane de production, centrale nuclaire) car la
population peut sadapter des conditions changeantes. En particulier, ils supportent bien lexistence de bruit
dans la fonction optimiser. Ils peuvent aussi servir dterminer la configuration dnergie minimale dune
molcule ou modliser le comportement animal.
Les AG sont galement utiliss pour optimiser des rseaux (cbles, fibres optiques, mais aussi eau, gaz),
des circuits VLSI [Beasley, 1993a], des antennes [Reineix, 1997] Ils peuvent tre utiliss pour trouver les
paramtres dun modle petit-signal partir des mesures exprimentales [Menozzi, 1997]. Des
commutateurs optiques adiabatiques ont t optimiss laide des Stratgies dEvolutions (autres AE) chez
SIEMENS AG [Moosburger, 1997]. On envisage lintgration dAG dans certaines puces lectroniques afin
quelles soient capables de se reconfigurer automatiquement en fonction de leur environnement (Evolving
Hardware en anglais ) .
Dans le chapitre suivant, nous prsenterons les techniques de base que nous avons testes.
Chapitre suivant
Rubriques
Butinage
Enseignement
Cours gratuits
Crer un site web
Information Scientifique et Technique
Optimisation et algorithmes gntiques
Informatique [computer science]
Recherche [research]
Rechercher : >>
Dans la mme rubrique
Introduction
Loptimisation
Mthode Monte Carlo
Algorithmes Evolutionnaires et Algorithmes Gntiques
Mthodes de lAG
Convergence de lAG
Exemple doptimisation par AG
Le voyageur de commerce (applet Java)
29/6/2014 Algorithmes Evolutionnaires et Algorithmes Gntiques - MAGNIN.plil.net
http://magnin.plil.net/spip.php?article45 5/5
Conclusion
Bibliographie
| Se connecter | Plan du site | RSS 2.0
Cr par Think Design, adapt pour Zpip par OpenStudio, sous Licence Creative Commons Attribution 3.0
License.