UNIVERSITÉ MOHAMED CHERIF MESSAADIASOUK AHRAS

ALGORITHME GÉNÉTIQUE

Faculté Des SciencesDépartement :Math et Informatique

1ére Année Master : Génie Logiciel

Présenter Par: Daoudi Ilhem

Année Universitaire:2015-2016

LE PLAN: Historique.

1.L’algorithmes génétiques.

2.Principe.

3.L’algorithme.

4.Le codage.

5.Sélection.

6.Croisement.

7. Mutation.

8.Exemple.

9.Quelques applications.

1 0 –Références.

HISTORIQUE :

• Les algorithmes génétiques ont été inventés par Jonh Holland dans les

années 60.

• Repris notamment par Golberg dans les années 70, Le principe des

algorithmes génétiques s’inspire directement des lois de la sélection

naturelle, décrites par Darwin.

• cette technique connait aujourd’hui un franc succès. On l’utilise dans la

résolution de problèmes complexes, nécessitant des temps de calcul

élevés.

1.L’ALGORITHMES GÉNÉTIQUES:

• Les algorithmes génétiques sont des algorithmes d’optimisation s’appuyant

sur des techniques dérivées de la génétique et des mécanismes d’évolution de la

nature : croisements, mutations, sélections, etc... Ils appartiennent à la classe des

algorithmes évolutionnaires.

• Les applications des AG sont multiples : traitement d’image (alignement de

photos satellites, reconnaissance de suspects...), optimisation d’emplois du temps,

optimisation de design, apprentissage des réseaux de neurones [Renders, 1995],

etc.

2.PRINCIPE:

3.L’ALGORITHME:Un algorithme génétique générique à la forme suivante :

1) Initialiser la population initiale P.

2) Evaluer P.

3) Tant Que (K < > maxi) faire :

a) P ' = Sélection des Parents dans P

b) P ' = Appliquer Opérateur de Croisement sur P '

c) P ' = Appliquer Opérateur de Mutation sur P '

d) P = Remplacer les Anciens de P par leurs Descendants de P '

e) Evaluer P

FinTantQue

4.LE CODAGE :

• Dans l’informatique nous utilisons un codage binaire (0 et 1), par exemple un gène

est un entier long (32 bits).

• Les formules de codage et de décodage sont :

gi = (xi-ximin / ximax-xmin) gmax.

xi= ximin + (ximax-ximin) gi / gmax

5.SÉLECTION:

• Selon la qualité des individus, chacun se voit attribuer un pourcentage de chances

d’être choisi pour la reproduction, qui correspond à l’importance relative de la qualité

de l’individu par rapport à la qualité totale de la population.

5.SÉLECTION (SUITE):

• Il existe plusieurs méthodes de sélection :

• La méthode de roulette Wheel.

•La méthode élitiste .

•La sélection par tournois.

•La sélection universelle stochastique.

6.CROISEMENT :• e phénomène de croisement est une propriété naturelle de l’ADN, et c’est analogiquement

qu’on fait les opérations de croisement dans les AG.

• a- Croisement en un point : on choisit au hasard un point de croisement.

• b- Croisement en deux points : On choisit au hasard deux points de croisement .

7. MUTATION :

• Nous définissons une mutation comme étant l’inversion d’un bit dans un

chromosome . Cela revient à modifier aléatoirement la valeur d’un paramètre

du dispositif.

8.EXEMPLE:

9.QUELQUES APPLICATIONS :

• Prédiction de systèmes non-linéaires: bio / socio / météo / écono, etc.

• Conception, design et mise en oeuvre des réseaux neuronaux.

• Optimisation des trajectoires des robots.

• Traitement d'images, par exemple la re-synthèse des textures naturelles.

• conception et organisation des circuits électroniques.

10 -RÉFÉRENCES:

• http://wwwgremaq.univtlse1.fr/perso/cbontemps/Cours/AG/CoursOpti2.pdf

• http://slauncha.dyndns.org/index.php?article63/creation-d-un-algorithme-

genetique

• http://www.umc.edu.dz/buc/theses/electronique/TER4682.pdf

• http://produ.chez.com/badro/

• https://skyduino.wordpress.com/2015/07/16/tutorielpython-les-algorithmes-

genetiques-garantis-sans-ogm/

1111111111111111