SlideShare une entreprise Scribd logo
GeneticioMake something of your big data
Use genetic algorithms to reach your business goals
Les algorithmes
génétiques dans tous
leurs états
Geneticio
• Autodidacte, passionné de développement.
• Java, Cassandra, Spark, JPPF.
• @jsebrien, julien.sebrien@genetic.io
• Développe et distribue des solutions IT (SaaS, On Premise)
permettant l’implémentation d'algorithmes génétiques,
permettant l’optimisation de processus métiers.
• Architecture nativement distribuée.
• Multi-plateforme (Windows, Unix, Mac), polyglotte (Java, Scala,
Python, Javascript, R).
Geneticio
Make something of your big data
Julien Sebrien
Human Talks Paris, 11 octobre 2016
Domaines d’applications
• Appartiennent à la famille des algorithmes évolutionnistes.
• Permettent d'obtenir une solution approchée à un problème
d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la
solution est inconnue) pour le résoudre en un temps raisonnable.
Geneticio
Make something of your big data
Définition
Marketing
Détermination des meilleures implantations de sites
touristiques :
https://goo.gl/aCc9SJ
Détection d’orbites de satellite :
https://goo.gl/eauC32
Astronautique
Et bien d’autres : Imagerie, Linguistique: https://en.wikipedia.org/wiki/List_of_genetic_algorithm_applications
Human Talks Paris, 11 octobre 2016
Déroulement
Sélection
Croisement
Mutation
Evaluation
Terminé ?
Non
Génération de la population initiale
FIN
Oui
Geneticio
Make something of your big data
Human Talks Paris, 11 octobre 2016
Sélection
Geneticio
Make something of your big data
Plusieurs manières de sélectionner des individus existent:
proportion au score de fitness, Tournoi, Classement, etc.
Exemple Tournoi :
• Sélectionne aléatoirement 2 individus de la population.
• Génère une valeur aléatoire afin de décider si l’on sélectionne
l’individu le plus faible ou le plus fort (selon leur score).
• Ajoute l’individu choisi à la sélection courante. Les 2 individus
précédents sont ré-insérés dans la population initiale afin de
pouvoir être re-sélectionnés par la suite.
Human Talks Paris, 11 octobre 2016
Croisement
Geneticio
Make something of your big data
 
NE N E NE S W SW E
 
 
E NE N NW W E E NW
 
 
NE N E NE S E E NW
 
 
E NE N NW W W SW E
 
parent 1 parent 2
enfant 1 enfant 2
1 point de croisement 1 point de croisement
Human Talks Paris, 11 octobre 2016
Mutation
Geneticio
Make something of your big data
• Injecte de la diversité au sein de la population, permettant de
réduire le risque de stagner au sein d’un optimum local.
• Taux de mutation de l'ordre de 1%.
… W …
… E …
enfant 2
Human Talks Paris, 11 octobre 2016
Evaluation
Geneticio
Make something of your big data
• Fonction de fitness, évaluant la qualité de chaque individu, son
adaptation au contexte du problème donné.
• Le score attribué est idéalement indépendant des autres
individus de la population.
• Primordial afin d’accroître la probabilité de convergence de
l'algorithme.
Human Talks Paris, 11 octobre 2016
Terminaison
Geneticio
Make something of your big data
L’algorithme se termine si l’une des conditions de terminaison
suivantes est satisfaite:
• Un nombre maximum d’itérations de générations est atteint.
• Un candidat a un score de fitness supérieur ou égal à un seuil
préalablement défini.
• L’algorithme s’exécute depuis une trop longue durée.
• Etc.
Human Talks Paris, 11 octobre 2016
Cas « TOBEORNOTTOBE »
Geneticio
Make something of your big data
Modélisation:
• Génome initial constitué d’une séquence de 13 caractères,
générés aléatoirement.
Fonction de fitness:
• Somme des écarts entre la lettre du génome et la lettre cible, à
chaque position:
 Score = 131
Génome C Q Y T C Z K I H U E I T
Cible T O B E O R N O T T O B E
Ecart (valeur absolue) 17 2 23 15 12 8 3 6 12 1 10 7 15
Human Talks Paris, 11 octobre 2016
Exécution
Geneticio
Make something of your big data
Human Talks Paris, 11 octobre 2016
Cas « Smart Rockets »
Geneticio
Make something of your big data
Modélisation:
• Une séquence de 300 vecteurs d’accélération unitaires sur un
plan 2D.
Fonction de fitness:
• Le score d’un individu sera d’autant plus élevé qu’il est proche
de la cible, à la fin de son mouvement.
• Le score d’un individu sera fortement pénalisé s’il touche
l’obstacle, au cours de son mouvement.
 Score = 1/ R (avec R=distance restante par rapport à la cible) ;
si Obstacle touché, Score = Score / 4 !
Human Talks Paris, 11 octobre 2016
Exécution
Geneticio
Make something of your big data
Human Talks Paris, 11 octobre 2016
Questions?
Demo ! genetic.io/fr/demo
Twitter : @geneticio
Mail : contact@genetic.io
Web : genetic.io/fr
GeneticioMake something of your big data

Contenu connexe

Similaire à Les algorithmes génétiques dans tous leurs états

PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?
Marc Bojoly
 
Cloud Expo Europe 2018 - "Et si on testait en production ?"
Cloud Expo Europe 2018 - "Et si on testait en production ?"Cloud Expo Europe 2018 - "Et si on testait en production ?"
Cloud Expo Europe 2018 - "Et si on testait en production ?"
Christophe Rochefolle
 
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
Mimoun Kissi 🤖
 
Intelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIAIntelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIA
Yves Caseau
 
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielleLUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
LUXEMBOURG CREATIVE
 
MyCv
MyCv MyCv
Fondement et biaism Machine Learning Deep Learning
Fondement et biaism Machine Learning Deep LearningFondement et biaism Machine Learning Deep Learning
Fondement et biaism Machine Learning Deep Learning
Richard Pawlowsky
 
Fondement et biais du Machine Learning et du Deep Learning
Fondement et biais du Machine Learning et du Deep LearningFondement et biais du Machine Learning et du Deep Learning
Fondement et biais du Machine Learning et du Deep Learning
Richard Pawlowsky
 
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiantsChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
Alain Goudey
 
Jftl 2018 chaos engineering
Jftl 2018   chaos engineeringJftl 2018   chaos engineering
Jftl 2018 chaos engineering
Christophe Rochefolle
 
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
TelecomValley
 
Introduction à la Data Science l data business
Introduction à la Data Science l data businessIntroduction à la Data Science l data business
Introduction à la Data Science l data business
Vincent de Stoecklin
 
Softshake 2015 - Des small data aux big data - Méthodes et Technologies
Softshake 2015 - Des small data aux big data - Méthodes et TechnologiesSoftshake 2015 - Des small data aux big data - Méthodes et Technologies
Softshake 2015 - Des small data aux big data - Méthodes et Technologies
OCTO Technology Suisse
 
SEO et Intelligence Artificielle
SEO et Intelligence ArtificielleSEO et Intelligence Artificielle
SEO et Intelligence Artificielle
LVLUP
 
Décryptage des LLMs au-delà de la hype - Lyon Data science
Décryptage des LLMs au-delà de la hype - Lyon Data scienceDécryptage des LLMs au-delà de la hype - Lyon Data science
Décryptage des LLMs au-delà de la hype - Lyon Data science
Marie-Alice Blete
 
Le métier de datascientist
Le métier de datascientistLe métier de datascientist
Le métier de datascientist
SEBASTIEN QUINAULT
 
Presentation de Netvibes
Presentation de NetvibesPresentation de Netvibes
Presentation de Netvibes
Freddy Mini
 
Algorithmes et data-sciences : approches et limites pour le traitement du lan...
Algorithmes et data-sciences : approches et limites pour le traitement du lan...Algorithmes et data-sciences : approches et limites pour le traitement du lan...
Algorithmes et data-sciences : approches et limites pour le traitement du lan...
Le_GFII
 
Regard prospectif sur la R&D en IA avec Bertrand Braunschweig
Regard prospectif sur la R&D en IA avec Bertrand BraunschweigRegard prospectif sur la R&D en IA avec Bertrand Braunschweig
Regard prospectif sur la R&D en IA avec Bertrand Braunschweig
Living Things
 
Crash Test Your Idea Meetup Valtech 13/09/2016
Crash Test Your Idea Meetup Valtech 13/09/2016Crash Test Your Idea Meetup Valtech 13/09/2016
Crash Test Your Idea Meetup Valtech 13/09/2016
André De Sousa
 

Similaire à Les algorithmes génétiques dans tous leurs états (20)

PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?PerfUG Comment tester et optimiser la performance d'un SI ?
PerfUG Comment tester et optimiser la performance d'un SI ?
 
Cloud Expo Europe 2018 - "Et si on testait en production ?"
Cloud Expo Europe 2018 - "Et si on testait en production ?"Cloud Expo Europe 2018 - "Et si on testait en production ?"
Cloud Expo Europe 2018 - "Et si on testait en production ?"
 
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
 
Intelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIAIntelligence Artificielle - Journée MEDEF & AFIA
Intelligence Artificielle - Journée MEDEF & AFIA
 
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielleLUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
LUXEMBOURG CREATIVE 2019 : l'intelligence artificielle
 
MyCv
MyCv MyCv
MyCv
 
Fondement et biaism Machine Learning Deep Learning
Fondement et biaism Machine Learning Deep LearningFondement et biaism Machine Learning Deep Learning
Fondement et biaism Machine Learning Deep Learning
 
Fondement et biais du Machine Learning et du Deep Learning
Fondement et biais du Machine Learning et du Deep LearningFondement et biais du Machine Learning et du Deep Learning
Fondement et biais du Machine Learning et du Deep Learning
 
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiantsChatGPT et IA : impacts sur le processus d'évaluation des étudiants
ChatGPT et IA : impacts sur le processus d'évaluation des étudiants
 
Jftl 2018 chaos engineering
Jftl 2018   chaos engineeringJftl 2018   chaos engineering
Jftl 2018 chaos engineering
 
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
Soirée du Test Logiciel - Intelligence Artificielle dans le test - J. VAN QUA...
 
Introduction à la Data Science l data business
Introduction à la Data Science l data businessIntroduction à la Data Science l data business
Introduction à la Data Science l data business
 
Softshake 2015 - Des small data aux big data - Méthodes et Technologies
Softshake 2015 - Des small data aux big data - Méthodes et TechnologiesSoftshake 2015 - Des small data aux big data - Méthodes et Technologies
Softshake 2015 - Des small data aux big data - Méthodes et Technologies
 
SEO et Intelligence Artificielle
SEO et Intelligence ArtificielleSEO et Intelligence Artificielle
SEO et Intelligence Artificielle
 
Décryptage des LLMs au-delà de la hype - Lyon Data science
Décryptage des LLMs au-delà de la hype - Lyon Data scienceDécryptage des LLMs au-delà de la hype - Lyon Data science
Décryptage des LLMs au-delà de la hype - Lyon Data science
 
Le métier de datascientist
Le métier de datascientistLe métier de datascientist
Le métier de datascientist
 
Presentation de Netvibes
Presentation de NetvibesPresentation de Netvibes
Presentation de Netvibes
 
Algorithmes et data-sciences : approches et limites pour le traitement du lan...
Algorithmes et data-sciences : approches et limites pour le traitement du lan...Algorithmes et data-sciences : approches et limites pour le traitement du lan...
Algorithmes et data-sciences : approches et limites pour le traitement du lan...
 
Regard prospectif sur la R&D en IA avec Bertrand Braunschweig
Regard prospectif sur la R&D en IA avec Bertrand BraunschweigRegard prospectif sur la R&D en IA avec Bertrand Braunschweig
Regard prospectif sur la R&D en IA avec Bertrand Braunschweig
 
Crash Test Your Idea Meetup Valtech 13/09/2016
Crash Test Your Idea Meetup Valtech 13/09/2016Crash Test Your Idea Meetup Valtech 13/09/2016
Crash Test Your Idea Meetup Valtech 13/09/2016
 

Les algorithmes génétiques dans tous leurs états

  • 1. GeneticioMake something of your big data Use genetic algorithms to reach your business goals Les algorithmes génétiques dans tous leurs états
  • 2. Geneticio • Autodidacte, passionné de développement. • Java, Cassandra, Spark, JPPF. • @jsebrien, julien.sebrien@genetic.io • Développe et distribue des solutions IT (SaaS, On Premise) permettant l’implémentation d'algorithmes génétiques, permettant l’optimisation de processus métiers. • Architecture nativement distribuée. • Multi-plateforme (Windows, Unix, Mac), polyglotte (Java, Scala, Python, Javascript, R). Geneticio Make something of your big data Julien Sebrien Human Talks Paris, 11 octobre 2016
  • 3. Domaines d’applications • Appartiennent à la famille des algorithmes évolutionnistes. • Permettent d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exacte (ou que la solution est inconnue) pour le résoudre en un temps raisonnable. Geneticio Make something of your big data Définition Marketing Détermination des meilleures implantations de sites touristiques : https://goo.gl/aCc9SJ Détection d’orbites de satellite : https://goo.gl/eauC32 Astronautique Et bien d’autres : Imagerie, Linguistique: https://en.wikipedia.org/wiki/List_of_genetic_algorithm_applications Human Talks Paris, 11 octobre 2016
  • 4. Déroulement Sélection Croisement Mutation Evaluation Terminé ? Non Génération de la population initiale FIN Oui Geneticio Make something of your big data Human Talks Paris, 11 octobre 2016
  • 5. Sélection Geneticio Make something of your big data Plusieurs manières de sélectionner des individus existent: proportion au score de fitness, Tournoi, Classement, etc. Exemple Tournoi : • Sélectionne aléatoirement 2 individus de la population. • Génère une valeur aléatoire afin de décider si l’on sélectionne l’individu le plus faible ou le plus fort (selon leur score). • Ajoute l’individu choisi à la sélection courante. Les 2 individus précédents sont ré-insérés dans la population initiale afin de pouvoir être re-sélectionnés par la suite. Human Talks Paris, 11 octobre 2016
  • 6. Croisement Geneticio Make something of your big data   NE N E NE S W SW E     E NE N NW W E E NW     NE N E NE S E E NW     E NE N NW W W SW E   parent 1 parent 2 enfant 1 enfant 2 1 point de croisement 1 point de croisement Human Talks Paris, 11 octobre 2016
  • 7. Mutation Geneticio Make something of your big data • Injecte de la diversité au sein de la population, permettant de réduire le risque de stagner au sein d’un optimum local. • Taux de mutation de l'ordre de 1%. … W … … E … enfant 2 Human Talks Paris, 11 octobre 2016
  • 8. Evaluation Geneticio Make something of your big data • Fonction de fitness, évaluant la qualité de chaque individu, son adaptation au contexte du problème donné. • Le score attribué est idéalement indépendant des autres individus de la population. • Primordial afin d’accroître la probabilité de convergence de l'algorithme. Human Talks Paris, 11 octobre 2016
  • 9. Terminaison Geneticio Make something of your big data L’algorithme se termine si l’une des conditions de terminaison suivantes est satisfaite: • Un nombre maximum d’itérations de générations est atteint. • Un candidat a un score de fitness supérieur ou égal à un seuil préalablement défini. • L’algorithme s’exécute depuis une trop longue durée. • Etc. Human Talks Paris, 11 octobre 2016
  • 10. Cas « TOBEORNOTTOBE » Geneticio Make something of your big data Modélisation: • Génome initial constitué d’une séquence de 13 caractères, générés aléatoirement. Fonction de fitness: • Somme des écarts entre la lettre du génome et la lettre cible, à chaque position:  Score = 131 Génome C Q Y T C Z K I H U E I T Cible T O B E O R N O T T O B E Ecart (valeur absolue) 17 2 23 15 12 8 3 6 12 1 10 7 15 Human Talks Paris, 11 octobre 2016
  • 11. Exécution Geneticio Make something of your big data Human Talks Paris, 11 octobre 2016
  • 12. Cas « Smart Rockets » Geneticio Make something of your big data Modélisation: • Une séquence de 300 vecteurs d’accélération unitaires sur un plan 2D. Fonction de fitness: • Le score d’un individu sera d’autant plus élevé qu’il est proche de la cible, à la fin de son mouvement. • Le score d’un individu sera fortement pénalisé s’il touche l’obstacle, au cours de son mouvement.  Score = 1/ R (avec R=distance restante par rapport à la cible) ; si Obstacle touché, Score = Score / 4 ! Human Talks Paris, 11 octobre 2016
  • 13. Exécution Geneticio Make something of your big data Human Talks Paris, 11 octobre 2016
  • 14. Questions? Demo ! genetic.io/fr/demo Twitter : @geneticio Mail : contact@genetic.io Web : genetic.io/fr GeneticioMake something of your big data