Charline Voinot IUT de Reims DUT Informatique Option

Charline Voinot IUT de Reims DUT Informatique – Option IN Promotion 2006 Les Algorithmes Génétiques Soutenance de Stage

Les Algorithmes Génétiques Plan Introduction Présentation et Définition du Principe Utilisations en Imagerie Numérique Avantages et Inconvénients Conclusion

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Introduction Entreprise : Visucolor® Domaine : Contrôle de la Couleur Choix du stage : - Connaissance de l’Entreprise et du Personnel Logo de la société Visucolor® - Applications en Imagerie Numérique Plusieurs missions, dont la principale est le développement d’un système de détection automatique de couleurs grâce à l’utilisation d’un algorithme génétique. 3

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Soucis d’optimisation (physique, biologie économie, sociologie) → Utilisation des Mathématiques • Méthodes analytiques ont fait preuve de leur efficacité → Pas semblable à la nature 4

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Théorie de l’Évolution et concept de Sélection Naturelle de Charles Darwin • Dès 1962, Dr John Henry Holland et ses travaux sur les systèmes adaptatifs : Crossing-Over en complément des mutations • Années 1990, vulgarisation des algorithmes génétiques avec la publication de David Golberg 5

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Intelligence Artificielle de bas niveau ( « Intelligence » de la nature) • 3 Types d’Algorithmes Évolutionnaires, aujourd’hui regroupés: ◦ Algorithmes Génétiques ◦ Stratégies d’Évolution ◦ Programmation Évolutionnaires Notons également les domaines de la Programmation Génétique et de la Vie Artificielle. 6

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Il n’existe pas de preuve générale de l’efficacité des Algorithmes Génétiques / Évolutionnaires → Constater l’efficacité de la sélection naturelle dans le monde vivant : Les individus sont adaptés à leur environnement 7

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Principe : Simuler l’évolution d’une population d’individus divers 8

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe • Ne nécessite pas une connaissance du problème : Boîte Noire Manipulation des entrées, lecture des sorties, et à nouveau manipulation des entrées afin d’améliorer les sorties. 9

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Les Algorithmes Évolutionnaires sont inspirés du concept de sélection naturelle de Charles Darwin. → Vocabulaire calqué : ◦ Population ◦ Individus ◦ Gènes ◦ Chromosomes ◦ Mutations ◦ Parents ◦ Descendants ◦ Reproduction ◦ Croisements Analogies avec des phénomènes biologiques 10

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Algorithmes issues de la biologie : Génétique Un Individu est composé de: Cellules → Chromosomes → ADN • ADN = Chaîne de Gènes • Variantes d’un Gène = Allèle • Emplacement du Gène sur le Chromosome = Locus • Ensemble des Chromosomes = Génome 11

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Les Outils : • Sélection (sélection naturelle) → Amélioration globale de l’adaptation • Recombinaison (crossing-over) → Opération prépondérante, simple ou multiple • Mutation → Pas de convergence prématurée, minimums et maximums locaux 12

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Différents types de sélection: • Par rang (élitiste) • Roue de la fortune (roulette) • Par tournoi • Uniforme 13

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Recombinaison (crossing-over) Simple Multiple Chromosome Contenu A 00 : 11 00 10 A 00 : 11 00 : 10 B 01 : 01 01 00 B 01 : 01 01 : 00 A’ 00 : 01 01 : 10 B’ 01 : 11 00 : 00 14

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Les mutations : • Taux relativement faible et évolutif • Permet d’éviter les problèmes d’optimums locaux Minimum Local Minimum Global 15

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Schéma Récapitulatif Cycle qui se répète jusqu’à la condition d’arrêt : • Nombre de générations fini • Score des Individus 16

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Applications multiples : → Optimisations de fonctions numériques difficiles, d’emplois du temps, de design, traitement d’image, contrôle de systèmes industriels … Les Algorithmes Génétiques peuvent être utilisés pour contrôler un système évoluant dans le temps : → Adaptation de la population à des conditions changeantes 17

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Le commis de voyage Recherche du chemin le plus court • Méthode exhaustive exclue : → Pour N villes, (n-1)! combinaisons possibles • Exemple suivant : ◦ Comporte 40 villes → Environ 2 e 46 solutions à tester ◦ Si on test 1 000 000 de solutions par seconde… → 1 e 19 fois l’âge de l’univers ! 18

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Le commis de voyage 19

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Visucolor : Détection Mire 20

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Utilisations Compression d’images 21

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Avantages & Inconvénients Sous certaines conditions : • Nombre de solutions important • Pas d’algorithme déterministe adapté et raisonnable • Relativité de la solution → Bonne rapidement plutôt que parfaite pendant un temps indéfini 22

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Avantages & Inconvénients Les Plus • Faculté d’adaptation, réactivité et prise en compte de l’environnement (les autres individus sont compris) • Permet de traiter des espaces de recherche important (beaucoup de solutions, pas de parcourt exhaustif envisagé) • Relativité de la qualité de la solution selon le degré de précision demandé 23

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Avantages & Inconvénients Les Moins • Nécessitent plus de calculs que les autres algorithmes méta heuristiques (notamment la fonction évaluation) • Paramètres difficiles à fixer (taille population, % mutation) • Choix de la fonction d’évaluation délicat • Pas assuré que la solution trouvée est la meilleure, mais juste une approximation de la solution optimale • Problèmes des optimums locaux si paramètres mal évalués 24

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion L’utilisation d’algorithmes génétiques: • Bien si on sait à quoi s’attendre et pas de solution classique au problème posé • Modularité et adaptation • Attention à l’aléatoire, moins grande précision que systèmes classiques et déterministes • Machines d’aujourd’hui ont une puissance suffisante pour de tels calculs/algorithmes • Visucolor® : différents types de mires et petites variations, bonne solution, et qui fonctionne. 25

Les Algorithmes Génétiques Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Le Stage m’a apporté: • • • Application pratique de connaissances théoriques Polyvalence et faculté d’adaptation Évolution sur le plan professionnel et social Utilisation d’une Senseo Flatter l’ego de Romain Meunier A l’issu du DUT : • Intégration au monde professionnel • Poursuite d’études 26

Les Algorithmes Génétiques Commentaires & Questions 27