Les algorithmes génétiques

Résumé du document

De plus en plus répandu dans le monde informatique, l'intelligence artificielle a pour but de répondre à deux besoins : rendre autonome la machine et d'automatiser certains tâches informatiques et dépasser les capacités actuelles à résoudre des problèmes.
L'homme en plus de la machine a la capacité de raisonner et d'apprendre, cela s'inscrit dans un ensemble de processus complexes et encore peu connus et peu reproductibles.
L'intelligence artificielle est une approche par diverses méthodes de ses capacités pour les appliquer à des systèmes informatiques.

Une nouvelle classe d'heuristiques connaît une grande popularité depuis quelques années. On compte parmi ces méthodes les algorithmes génétiques, la recherche avec tabous et bien d'autres encore. Ces dernières ont un point majeur en commun : elles tentent toutes, à leur manière, d'imiter un élément de la nature. De plus, elles sollicitent des connaissances dans les domaines de recherche opérationnelle, d'informatique et d'intelligence artificielle.

Nous aborderons donc plusieurs parties dans ce dossier. La première partie sera consacrée à la présentation des algorithmes génétiques. La seconde partie apportera deux exemples concrets, permettant de mieux comprendre le fonctionnement.
Nous essaierons en troisième partie de dresser une comparaison entre les différentes méthodes heuristiques. Pour cela, nous décrirons tout d'abord quatre méthodes : la méthode GRASP, la méthode tabou, la méthode de bruitage et la colonie de fourmis. Ensuite, nous tenterons de les comparer entre elles avant d'établir un bilan (avantages et limites).

Extraits

[...] La méthode Tabou robuste, proposée par Taillard en 1991, reste une référence dans le domaine de l'optimisation. Elle part d'une solution qu'elle change en recherchant des améliorations dans son voisinage. Mais le principe de la méthode tabou est qu'une liste des dernières positions rencontrées est tenue à jour. Par exemple, on mémorise les 10 dernières solutions. Et un retour à une des positions de cette liste est interdit, d'où le nom de la méthode. Cela permet de visiter les voisinages sans revenir constamment au même endroit. [...]

[...] Ils doivent donc posséder chacune des villes une seule fois. Par conséquent, seul le croisement simple entre deux individus est possible. Croisement On souhaite croiser avec On peut décider que : - la première moitié du premier parent deviendra la première moitié du premier enfant, - la seconde moitié du premier parent deviendra la seconde moitié du deuxième enfant - et inversement pour le second parent. Nous obtenons donc : PARENTS et ENFANTS et On s'aperçoit tout de suite du problème posé, certaines villes sont visitées 2 fois et d'autres ne le sont pas. [...]

[...] L'homme en plus de la machine a la capacité de raisonner et d'apprendre, cela s'inscrit dans un ensemble de processus complexes et encore peu connus et peu reproductibles. L'intelligence artificielle est une approche par diverses méthodes de ses capacités pour les appliquer à des systèmes informatiques. Une nouvelle classe d'heuristiques connaît une grande popularité depuis quelques années. On compte parmi ces méthodes les algorithmes génétiques, la recherche avec tabous et bien d'autres encore. Ces dernières ont un point majeur en commun : elles tentent toutes, à leur manière, d'imiter un élément de la nature. [...]

[...] Dans ce cas l'optimalité de la solution ne sera pas garantie, ni même l'écart avec la valeur optimale. Cependant, le temps nécessaire pour obtenir cette solution sera beaucoup plus faible et pourra même être fixé. À noter que la qualité de la solution obtenue dépendra fortement du temps laissé à l'algorithme pour l'obtenir. Dans les problèmes d'optimisation de grande taille, la plupart des algorithmes déterministes sont incapables de trouver une solution d'où le recours aux méthodes heuristiques qui donnent des solutions approximatives. C'est pourquoi nous allons comparer les algorithmes génétiques avec d'autres méthodes de même type. [...]

[...] Les paramètres à prendre en compte : marquage initial. Sans aucun marquage ou avec un marquage homogène où tous les segments auraient la même quantité de phéromones, le temps nécessaire pour que les fourmis s'approchent de la solution serait extrêmement long. Fixer une règle que les fourmis appliqueront pour choisir parmi tous les segments disponibles à un moment donné. Une première idée consiste à choisir un segment de manière proportionnelle à son "odeur", de cette manière un segment 2 fois plus marqué a deux fois plus de chances d'être choisi. [...]