Bibliographie & annexes
Présentation
RÉSUMÉ
Les algorithmes évolutionnaires se basent sur l’observation des phénomènes biologiques mis en œuvre par des populations d’organismes vivants en vue de s’adapter à leur environnement. Ces mécanismes de sélection et d’héritage génétique représentent une version artificielle de la théorie de l'évolution selon Darwin. Cette discipline couvre ainsi un ensemble de techniques, nommées « algorithmes génétiques », « programmation génétique », « stratégies d’évolution », « programmation évolutionnaire ». Le domaine des algorithmes évolutionnaires est en pleine expansion tant au niveau théorique qu’au niveau applicatif.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleAuteur(s)
-
Évelyne LUTTON : INRIA – Rocquencourt – Projet FRACTALES
INTRODUCTION
Les principes de base des algorithmes évolutionnaires (en court AE), dont les plus connus sont les algorithmes génétiques, s’inspirent de l’observation de phénomènes biologiques, plus précisément de la capacité de populations d’organismes vivants à s’adapter à leur environnement à l’aide de mécanismes de sélection et d’héritage génétique. En d’autres termes, ces algorithmes évolutionnaires représentent une version artificielle, informatique, de la théorie de l’évolution selon Darwin.
Depuis une quarantaine d’années, de nombreuses méthodes de résolution de problèmes, d’optimisation stochastique, ont été développées à partir de ces principes simplifiés à l’extrême pour les besoins informatiques. C’est ce que l’on commence actuellement à nommer de façon générale le « darwinisme artificiel ». Le terme « algorithmes évolutionnaires » couvre ainsi un ensemble de techniques, nommées « algorithmes génétiques », « programmation génétique », « stratégies d’évolution », « programmation évolutionnaire », suivant la façon dont les principes darwiniens sont traduits dans le modèle artificiel.
L'expertise technique et scientifique de référence
VERSIONS
- Version courante de déc. 2020 par Évelyne LUTTON
DOI (Digital Object Identifier)
CET ARTICLE SE TROUVE ÉGALEMENT DANS :
Accueil > Ressources documentaires > Archives > [Archives] Automatique et ingénierie systèmes > Algorithmes génétiques et algorithmes évolutionnaires > Exemples d’applications
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
Conclusion5. Exemples d’applications
Nous l’avons dit, les EA touchent des domaines d’application extrêmement variés (voir pages 126 à 129, pour des applications développées jusqu’à 1989, et site du réseau Européen EvoNet ( http://evonet.dcs.napier.ac.uk/ pour un panel d’applications récentes), et intéressent des chercheurs et des ingénieurs de disciplines très diverses, par exemple :
-
En optimisation numérique : lorsque les fonctions à optimiser sont complexes, de forte dimensionnalité, irrégulières, mal connues.
-
En optimisation combinatoire : pour des problèmes de théorie des graphes (voyageur de commerce, coloration de graphes), de séquencement de tâches, de répartition de ressources, d’emploi du temps, du sac à dos, dont la résolution efficace est fondée le plus souvent sur des AE hybridés avec des techniques « classiques ». C’est dans ce cadre que de nombreuses études sur la représentation des problèmes et le traitement des contraintes ont été menées.
-
En intelligence artificielle et sciences cognitives : où l’on exploite plutôt les capacités adaptatives des AE et les techniques fondées sur les systèmes de classeurs (réseaux de neurones, évolution de langages, grammaires).
-
En informatique : où les gens s’intéressent plus particulièrement à la parallélisation des AE, au design de langages de spécification, à leur implantation efficace, mais traitent aussi des problèmes d’allocation de ressources ou de test de logiciel.
-
En robotique : où l’on s’intéresse aux MOBOTS (MObile roBOTS) et autres animats, individuellement ou en population, qui doivent pouvoir se mouvoir et agir dans des environnements inconnus, variables et accomplir des tâches parfois complexes.
-
En physique et en ingénierie : source de nombreux problèmes réels complexes, par exemple pour l’optimisation de structures mécaniques ...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Exemples d’applications
BIBLIOGRAPHIE
-
(1) - * - Chapter Modelling GA Dynamics, Proceedings Theoretical Aspects of Evolutionary Computing, p. 59-86 (2001).
-
(2) - ALBERT (J.), FERRI (F.), DOMINGO (J.), VINCENS (M.) - An approach to natural scene segmentation by means of genetic algorithms with fuzzy data. - In Pattern Recognition and Image Analysis. Selected papers of the 4th Spanish Symposium (sept. 90), Perez de la Blanca Ed., p. 97-113 (1992).
-
(3) - ALTENBERG (L.) - Evolutionary computation models from population genetics. part 2 : An historical toolbox. - In Congress on Evolutionary Computation, Tutorial (2000).
-
(4) - ANGELINE (P.J.) - Evolving fractal movies. - In Genetic Programming 1996 : Proceedings of the First Annual Conference, John R. Koza and David E. Goldberg and David B. Fogel and Rick L. Riolo (Eds), p. 503-511 (1996).
-
(5) - ANGELINE (P.J.), POLLACK (J.B.) - Competitive environments evolve better solutions for complex tasks. - In Proceedings of the Fifth International Conference on Genetic Algorithms, San Mateo, California, Morgan Kaufmann (1993).
-
...
L'expertise technique et scientifique de référence
Cet article fait partie de l’offre
Technologies logicielles Architectures des systèmes
(239 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Un Parcours Pratique
Opérationnel et didactique, pour garantir l'acquisition des compétences transverses
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
