1 / 30

Environnement pour les algorithmes génétiques

M atthieu CHOUTEAU. Y ohann HUBERT. C hristophe PANNEAU. E stelle FILMON. Environnement pour les algorithmes génétiques. Mr SAUBION – Février 2003. Introduction. Algorithmes génétiques. Bibliothèque. Myce Editor. Conclusion. 1. Analyse et modélisation. Introduction.

ayoka
Download Presentation

Environnement pour les algorithmes génétiques

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Matthieu CHOUTEAU Yohann HUBERT Christophe PANNEAU Estelle FILMON Environnement pour les algorithmes génétiques Mr SAUBION – Février 2003

  2. Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 1

  3. Analyse et modélisation Introduction • Définition des besoins : • Bibliothèque pour expérimenter des méthodes d’algorithmes génétiques Introduction • Éditeur graphique de scénarios Algorithmes génétiques Bibliothèque • Contraintes : Myce Editor Conclusion • Simplicité d’utilisation de la bibliothèque • Compilation dans l’éditeur • Respecter un planning 2

  4. Algorithmes génétiques • Basés sur les principes de sélection de Darwin Introduction Algorithmes génétiques • Résoudre différents problèmes Bibliothèque Myce Editor Conclusion • Processus du cycle de l’évolution 3

  5. Tri des individus sur la fonction d’évaluation oui non Solution acceptable ? Solution retenue Sélection des meilleurs individus à conserver croisements Nouvelle génération Algorithmes Génétiques Création de la population Introduction Description des besoins Algorithmes Génétiques Spécification Maquette de l’éditeur Conclusion 4

  6. Les fonctions principales Algorithmes génétiques • Création d’une population • Évaluation des individus Introduction • Sélection des parents Algorithmes génétiques • Recombinaison des gênes Bibliothèque • Sélection des survivants Myce Editor Conclusion • Des fonctions secondaires • Accéder au ième individu • Changer la valeur d’un gêne • Ajout d’un individu dans une population 5

  7. Population P 1011001011 0.6 Bibliothèque Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 6

  8. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 7

  9. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 8

  10. Population P Sélection des 10 meilleurs individus Bibliothèque Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 9

  11. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 10

  12. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 11

  13. Nouvelle population P Individu X 1011001011 0.6 Bibliothèque Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 12

  14. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 13

  15. Individu Y 1011001011 0001110011 0.6 0.5 Bibliothèque Nouvelle population P Introduction Algorithmes génétiques Individu X Bibliothèque Myce Editor Conclusion 14

  16. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 15

  17. Individu X Individu Y croisement 1011001011 1011110011 0001110011 0.5 0.6 0.7 Individu Z Bibliothèque Nouvelle population P Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 16

  18. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); Z = P->Cross(X,Y); } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 17

  19. Tabou 1011110011 1111101111 0.7 0.9 Bibliothèque Nouvelle population P Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion Individu Z 18

  20. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); Z = P->Cross(X,Y); Z = P->Tabou(Z,10,5); } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 19

  21. Bibliothèque Nouvelle population P Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 1111101111 0.9 Individu Z 20

  22. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); Z = P->Cross(X,Y); Z = P->Tabou(Z,10,5); P->ajouterIndividu(Z); } } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 21

  23. Bibliothèque Population P Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 22

  24. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); Z = P->Cross(X,Y); Z = P->Tabou(Z,10,5); P->ajouterIndividu(Z); } i++; } Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 23

  25. Bibliothèque Population P Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 24

  26. Population P Meilleur Individu 1111111111 1.0 Bibliothèque Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 25

  27. Bibliothèque Population * P; Individu * X, * Y, * Z; P = new Population(30, 10); int i=0; while ( (i < 10000) && (P->Best()->getEvaluation() < 1) ) { P->Select(10); for (int j=0;j<10;j++) { X = P->Choose(0); Y = P->Choose(0); Z = P->Cross(X,Y); Z = P->Tabou(Z,10,5); P->ajouterIndividu(Z); } i++; } P->Best()->AfficheIndividu(); Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 26

  28. Myce Editor Introduction Algorithmes génétiques Bibliothèque Myce Editor Conclusion 27

  29. Conclusion • Editeur adapté à l’expérimentation de méthodes d’algorithmes génétiques Introduction Algorithmes génétiques Bibliothèque • Phases de conception d’un projet Myce Editor Conclusion • Atteinte des objectifs 28

  30. Matthieu CHOUTEAU Yohann HUBERT Christophe PANNEAU Estelle FILMON Environnement pour les algorithmes génétiques Mr SAUBION – Février 2003

More Related