Algorithmes Génétiques et ECD

Résumé du document

C'est en 1975 que John Langton parle pour la première fois des algorithmes génétiques, une technique de programmation qui s'inspire du principe de l'évolution des espèces décrit par Darwin, mais ce n'est que récemment (vers le début des années 90) que cette technique arrive sur le devant de la scène, s'inscrivant un peu, avec les techniques liées à la vie artificielle d'une façon plus générale, comme une voie de renouvellement pour le génie logiciel et l'intelligence artificielle. Les algorithmes génétiques sont des algorithmes d'optimisation s'appuyant sur des techniques dérivées de la génétique et de l'évolution naturelle : croisements, mutations, sélection, etc. Ils s'inspirent de la théorie de Darwin sur l'évolution des espèces qui explique comment depuis l'apparition de la vie les espèces ont su évoluer de façon innovante pour une meilleure adaptation à l'environnement ainsi que le chemin parcouru depuis les organismes unicellulaires jusqu'à la vie diversifiée telle qu'on la connaît aujourd'hui.
En permettant aux seuls individus bien adaptés à l'environnement de se reproduire, la nature assure la pérennité de leurs meilleures caractéristiques, lesquelles se recombinent entre elles pour former à chaque génération de nouveaux individus toujours mieux adaptés à leur environnement.

Extraits

[...] Sources http://www.fil.univ-lille1.fr/FORMATIONS/DESSBIOINFO/Projet2/Eteve/ http://www.lifl.fr/~khabzaou/emplyee.htm http://fr.wikipedia.org http://perso.wanadoo.fr/matt95/algogen/AGintro.htm http://www.recherche.enac.fr/opti/GA/FAG/ag.html http://www.vieartificielle.com/article/index.php?id=44 http://fr.wikipedia.org/wiki/Algorithme_g%C3%A9n%C3%A9tique http://solutions.journaldunet.com/0411/041125_science_genetique.shtml http://www.rennard.org/iva/agapll.html http://www.eudil.fr/%7Evmagnin/coursag/voyageur/voyageur.html Conclusion On a vu ci-dessus comment fonctionnent les algorithmes génétiques ainsi que certains exemples démontrant l'efficacité de ceux-ci. Cependant, les algorithmes génétiques présentent certaines limites comme le temps de calcul. En effet ces algorithmes nécessitent un grand nombre de calculs, surtout au niveau de la fonction d'évaluation. De plus, ils sont assez difficiles à utiliser. Certains paramètres sont difficiles à déterminer, spécialement la fonction d'évaluation qui est déterminante pour la réussite d'un algorithme. [...]

[...] L'algorithme génétique sert à faire évoluer la population initiale. Cela aboutira finalement à une population finale ayant progressivement hérité des "meilleures" caractéristiques des générations précédentes, l'algorithme s'arrêtant dès que ces caractéristiques répondent de manière satisfaisante au problème à résoudre. Pour autant, les algorithmes nécessitent au préalable la collecte de données suffisamment pertinentes. Ceux-ci ne s'appliquent pas à toutes les collections de données, pour lesquels d'autres techniques d'optimisation pourront s'avérer plus rapides car moins approximatives, et sont à réserver, en général, à des problèmes relativement complexes. [...]

[...] Nous sommes donc bien dans le cadre de l'ECD. L'idée est de relier les données génétiques recueillies sur les individus malades (marqueurs génétiques répartis sur le génome) et les données environnementales comportant aussi bien les données biologiques (âge, poids, glycémie ) que les données comportementales de l'individu (sportif, fumeur Application pour le diabète Le principe de la recherche est de calculer l'écart entre la ressemblance théorique par descendance familiale et la ressemblance constatée au sein du couple étudié pour un marqueur donné. [...]

[...] Les algorithmes génétiques Les algorithmes génétiques, développés par John Holland puis Goldberg, présentent des qualités intéressantes pour la résolution de problèmes combinatoires complexes. Ils sont basés sur la théorie de l'évolution des espèces dans leur milieu naturel, soit une transposition artificielle des concepts basiques de la génétique et des lois de survie énoncées par Darwin. Dans l'ensemble des solutions d'un problème combinatoire, une population de taille N est constituée de N solutions (les individus de la population) convenablement marquées par un codage qui les identifie complètement. [...]

[...] La connaissance extraite de ces données est la détermination du chemin le plus court entre 2 villes. Ainsi, l'algorithme développé, choisi au départ au hasard un chemin faisant une boucle et ne passant qu'une fois par chaque ville, puis, améliore génération après génération le parcours. On peut vérifier facilement la capacité de l'algorithme à trouver une solution mais on constate également qu'il éprouve des difficultés à sortir d'un optimum local. On remarque en testant plusieurs taux de mutation, qu'une valeur trop élevée est moins efficace qu'une plus petite. [...]