3.1.3 Sélection
Le but de l'opérateur de sélection est de guider
la recherche vers des régions prometteuses. Contrairement aux autres
opérateurs de variation (mutation et recombinaison), la sélection
donne une direction à la recherche. Selon le type de population,
l'ancienne génération peut entrer comme candidate à la
sélection ou être éliminée dès le
départ. La préservation de la génération
précédente est recommandée lorsque l'espace de recherche
est non borné [?]. Dans le cas où l'espace est
borné et discret, et dans les problèmes d'optimisation notamment,
la sélection sans préservation est généralement
utilisée. Dans les deux cas, les SE utilisent la méthode
sélection de seuil.
3.1.4 Mutation
Usuellement, la mutation est l'opérateur de
sélection de base dans les SE. La structure de cet opérateur
dépend du problème à résoudre. Bien qu'il n'existe
aucune mé-
thodologie pour le définir, certaine règles ont
été posées en se basant sur une analyse des
implémentations réussies des SE et sur certaines
considérations théoriques. Etant donnée une
génération de départ, la première exigence est que
tout autre état doit pouvoir être atteint après un nombre
fini de mutation. La sélection exploite l'information de la fonction
d'évaluation pour guider la recherche vers des espaces prometteurs,
alors que la mutation explore cet espace de recherche. La mutation ne doit pas
utiliser toute l'information de valuation mais seulement celle de la population
parentale (initiale). La dernière règle exige que la langueur
moyenne du pas de la mutation doive s'adapter à l'environnement global
d'aptitude dans le but d'assurer l'évolution du système.
C'est-à-dire que les variations doivent être produites de telle
façon à ce qu'il y ait une possibilité
d'amélioration.
Il reste à noter que, bien que ces règles
donnent des grandes lignes pour orienter la définition des
opérateurs de mutation, leur importance peut varier d'un problème
à un autre. Comme les populations dans les SE sont souvent des vecteurs
de réels, la mutation consiste à ajouter un bruit gaussien en
évoluant au même temps son écart type.
3.1.5 Recombinaison
Au moment où la mutation agit sur un seul individu, la
recombinaison partage l'information de plusieurs parents. Contrairement aux
algorithmes génétiques où le croisement entre deux parents
produit deux fils, l'opérateur de recombinaison standard dans les SE en
produit un seul. Selon le type de la population, l'algorithme peut produire
plus d'un individu par recombinaison.
Comme il a été noté au chapitre
précédent, il existe deux types de recombinaison dans le cas des
représentations réelles : le croisement direct et la
recombinaison intermédiaire. Le croisement direct utilise un choix
aléatoire en deux phases. Dans la première phase, un sous
ensemble de la population, dont le cardinal est égal à la
dimension des vecteurs, est choisi aléatoirement. Dans la seconde phase,
et de façon aléatoire aussi, chaque vecteur i va contribuer d'un
élément d'ordre i pour former la ième composante du
fils.
Contrairement, la recombinaison intermédiaire utilise
l'information contenue dans l'ensemble de tous les parents pour la
création du fils. Cela se fait en calculant la moyenne des composantes
du rang i de tous les parents pour former la ième composante
du fils. Comme cette technique a été conçue pour des
espaces de vecteurs réels,
son utilisation dans des espaces discrets doit inclure des
procédures d'arrondissement probabilistes supplémentaires.
FIGURE 3.1 - Schéma d'un croisement direct
| 
