SlideShare une entreprise Scribd logo
Les Algorithmes Génétiques
Charline Voinot
Soutenance de Stage
IUT de Reims
DUT Informatique – Option IN
Promotion 2006
Plan
Introduction
Présentation et Définition du Principe
Utilisations en Imagerie Numérique
Avantages et Inconvénients
Conclusion
Les Algorithmes Génétiques
3
Les Algorithmes Génétiques
Entreprise : Visucolor®
Domaine : Contrôle de la Couleur
Choix du stage :
- Connaissance de l’Entreprise
et du Personnel
- 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.
Introduction
Logo de la société Visucolor®
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
4
Les Algorithmes Génétiques
• Soucis d’optimisation (physique, biologie économie, sociologie)
→ Utilisation des Mathématiques
• Méthodes analytiques ont fait preuve de leur efficacité
→ Pas semblable à la nature
Définition & Principe
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
5
Les Algorithmes Génétiques
• 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
Définition & Principe
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
6
Les Algorithmes Génétiques
• 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.
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
7
Les Algorithmes Génétiques
• 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
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
8
Les Algorithmes Génétiques
• Principe : Simuler l’évolution d’une population d’individus divers
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
9
Les Algorithmes Génétiques
• 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.
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
10
Les Algorithmes Génétiques
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
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
11
Les Algorithmes Génétiques
Algorithmes issues de la biologie : Génétique
Cellules → Chromosomes → ADN
• ADN = Chaîne de Gènes
• Variantes d’un Gène = Allèle
• Emplacement du Gène sur le Chromosome = Locus
• Ensemble des Chromosomes = Génome
Un Individu est composé de:
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
12
Les Algorithmes Génétiques
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
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
13
Les Algorithmes Génétiques
Différents types de sélection:
• Par rang (élitiste)
• Roue de la fortune (roulette)
• Par tournoi
• Uniforme
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
14
Recombinaison (crossing-over)
Chromosome Contenu
A 00 : 11 00 10
B 01 : 01 01 00
A’ 00 : 01 01 00
B’ 01 : 11 00 10
Chromosome Contenu
A 00 : 11 00 : 10
B 01 : 01 01 : 00
A’ 00 : 01 01 : 10
B’ 01 : 11 00 : 00
Simple Multiple
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Les Algorithmes Génétiques
Définition & Principe
15
Les Algorithmes Génétiques
Les mutations :
• Taux relativement faible et évolutif
• Permet d’éviter les problèmes d’optimums locaux
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
Minimum Local
Minimum Global
16
Les Algorithmes Génétiques
Schéma Récapitulatif
Cycle qui se répète jusqu’à la
condition d’arrêt :
• Nombre de générations fini
• Score des Individus
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
Définition & Principe
17
Les Algorithmes Génétiques
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
Utilisations
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
18
Les Algorithmes Génétiques
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 2e46 solutions à tester
◦ Si on test 1 000 000 000 de solutions par seconde…
→ 1e19 fois l’âge de l’univers !
Utilisations
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
19
Les Algorithmes Génétiques
Le commis de voyage
Utilisations
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
20
Les Algorithmes Génétiques
Visucolor : Détection Mire
Utilisations
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
21
Les Algorithmes Génétiques
Compression d’images
Utilisations
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
22
Les Algorithmes Génétiques
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
Avantages & Inconvénients
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
23
Les Algorithmes Génétiques
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
Avantages & Inconvénients
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
24
Les Algorithmes Génétiques
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
Avantages & Inconvénients
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
25
Les Algorithmes Génétiques
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.
Conclusion
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
26
Les Algorithmes Génétiques
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
Conclusion
Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
27
Les Algorithmes Génétiques
Commentaires
&
Questions

Contenu connexe

Similaire à 1305682.ppt

WEBXDN2012 - Ergonomie & Taux de clics
WEBXDN2012 - Ergonomie & Taux de clicsWEBXDN2012 - Ergonomie & Taux de clics
WEBXDN2012 - Ergonomie & Taux de clics
webxdn
 
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des RisquesUTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
Laëtitia Pfaënder
 

Similaire à 1305682.ppt (17)

WEBXDN2012 - Ergonomie & Taux de clics
WEBXDN2012 - Ergonomie & Taux de clicsWEBXDN2012 - Ergonomie & Taux de clics
WEBXDN2012 - Ergonomie & Taux de clics
 
Maching Learning
Maching LearningMaching Learning
Maching Learning
 
Séminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave EiffelSéminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
Séminaire IA & VA- Dominique Gruyer, Univ Gustave Eiffel
 
Guillaume Morissette - Big Data PME
Guillaume Morissette - Big Data PMEGuillaume Morissette - Big Data PME
Guillaume Morissette - Big Data PME
 
Module_Simulation Cours N° 1 Introduction à la simulation (1).pptx
Module_Simulation Cours N° 1 Introduction à la simulation (1).pptxModule_Simulation Cours N° 1 Introduction à la simulation (1).pptx
Module_Simulation Cours N° 1 Introduction à la simulation (1).pptx
 
SYSTEMES-INTERACTIFS-D-AIDE-A-LA-DECISION-SIAD-1.pdf
SYSTEMES-INTERACTIFS-D-AIDE-A-LA-DECISION-SIAD-1.pdfSYSTEMES-INTERACTIFS-D-AIDE-A-LA-DECISION-SIAD-1.pdf
SYSTEMES-INTERACTIFS-D-AIDE-A-LA-DECISION-SIAD-1.pdf
 
Guide amdec (très intéressant)
Guide amdec (très intéressant)Guide amdec (très intéressant)
Guide amdec (très intéressant)
 
Optimisation
OptimisationOptimisation
Optimisation
 
Otop 3D : Auto-pesée et imagerie 3D, deux outils de phénotypage à haut débit ...
Otop 3D : Auto-pesée et imagerie 3D, deux outils de phénotypage à haut débit ...Otop 3D : Auto-pesée et imagerie 3D, deux outils de phénotypage à haut débit ...
Otop 3D : Auto-pesée et imagerie 3D, deux outils de phénotypage à haut débit ...
 
Outils d'aides à la décision multicritere
Outils d'aides à la décision multicritereOutils d'aides à la décision multicritere
Outils d'aides à la décision multicritere
 
Intro au Big Data & Machine Learning
Intro au Big Data & Machine LearningIntro au Big Data & Machine Learning
Intro au Big Data & Machine Learning
 
Talk Session COSMAL du GDR GPL 2011
Talk Session COSMAL du GDR GPL 2011Talk Session COSMAL du GDR GPL 2011
Talk Session COSMAL du GDR GPL 2011
 
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4TestIA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
IA et Test - MeetUp MoT - Julien Van Quackebeke - CEO All4Test
 
Amdec
Amdec Amdec
Amdec
 
WAAUB_DIAPO_2_2.pdf
WAAUB_DIAPO_2_2.pdfWAAUB_DIAPO_2_2.pdf
WAAUB_DIAPO_2_2.pdf
 
Les arbres de décisions
Les arbres de décisionsLes arbres de décisions
Les arbres de décisions
 
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des RisquesUTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
UTSEUS - Automne 2013 - Gestion de Projet > L'analyse des Risques
 

1305682.ppt

  • 1. Les Algorithmes Génétiques Charline Voinot Soutenance de Stage IUT de Reims DUT Informatique – Option IN Promotion 2006
  • 2. Plan Introduction Présentation et Définition du Principe Utilisations en Imagerie Numérique Avantages et Inconvénients Conclusion Les Algorithmes Génétiques
  • 3. 3 Les Algorithmes Génétiques Entreprise : Visucolor® Domaine : Contrôle de la Couleur Choix du stage : - Connaissance de l’Entreprise et du Personnel - 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. Introduction Logo de la société Visucolor® Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 4. 4 Les Algorithmes Génétiques • Soucis d’optimisation (physique, biologie économie, sociologie) → Utilisation des Mathématiques • Méthodes analytiques ont fait preuve de leur efficacité → Pas semblable à la nature Définition & Principe Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 5. 5 Les Algorithmes Génétiques • 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 Définition & Principe Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 6. 6 Les Algorithmes Génétiques • 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. Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 7. 7 Les Algorithmes Génétiques • 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 Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 8. 8 Les Algorithmes Génétiques • Principe : Simuler l’évolution d’une population d’individus divers Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 9. 9 Les Algorithmes Génétiques • 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. Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 10. 10 Les Algorithmes Génétiques 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 Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 11. 11 Les Algorithmes Génétiques Algorithmes issues de la biologie : Génétique Cellules → Chromosomes → ADN • ADN = Chaîne de Gènes • Variantes d’un Gène = Allèle • Emplacement du Gène sur le Chromosome = Locus • Ensemble des Chromosomes = Génome Un Individu est composé de: Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 12. 12 Les Algorithmes Génétiques 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 Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 13. 13 Les Algorithmes Génétiques Différents types de sélection: • Par rang (élitiste) • Roue de la fortune (roulette) • Par tournoi • Uniforme Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 14. 14 Recombinaison (crossing-over) Chromosome Contenu A 00 : 11 00 10 B 01 : 01 01 00 A’ 00 : 01 01 00 B’ 01 : 11 00 10 Chromosome Contenu A 00 : 11 00 : 10 B 01 : 01 01 : 00 A’ 00 : 01 01 : 10 B’ 01 : 11 00 : 00 Simple Multiple Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Les Algorithmes Génétiques Définition & Principe
  • 15. 15 Les Algorithmes Génétiques Les mutations : • Taux relativement faible et évolutif • Permet d’éviter les problèmes d’optimums locaux Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe Minimum Local Minimum Global
  • 16. 16 Les Algorithmes Génétiques Schéma Récapitulatif Cycle qui se répète jusqu’à la condition d’arrêt : • Nombre de générations fini • Score des Individus Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion Définition & Principe
  • 17. 17 Les Algorithmes Génétiques 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 Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 18. 18 Les Algorithmes Génétiques 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 2e46 solutions à tester ◦ Si on test 1 000 000 000 de solutions par seconde… → 1e19 fois l’âge de l’univers ! Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 19. 19 Les Algorithmes Génétiques Le commis de voyage Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 20. 20 Les Algorithmes Génétiques Visucolor : Détection Mire Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 21. 21 Les Algorithmes Génétiques Compression d’images Utilisations Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 22. 22 Les Algorithmes Génétiques 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 Avantages & Inconvénients Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 23. 23 Les Algorithmes Génétiques 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 Avantages & Inconvénients Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 24. 24 Les Algorithmes Génétiques 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 Avantages & Inconvénients Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 25. 25 Les Algorithmes Génétiques 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. Conclusion Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion
  • 26. 26 Les Algorithmes Génétiques 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 Conclusion Introduction | Définition & Principe | Utilisations | Avantages & Inconvénients | Conclusion