WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Recalage d'images medicales multimodales par evolution differentielle adaptative


par Elaggoune ABLA
Université Mentouri de Constantine STIC - Master Informatique 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

A.3.Mécanismes de fonctionnement d'un AG

A.3.1.Codage des chromosomes

Les chromosomes de la population doivent être codés selon le problème présent, donc le choix de codage est très important. Parmi les techniques utilisées pour coder les individus, on distingue les codages : binaire et réel.

? Codage binaire

Le codage binaire permet de coder le chromosome par une chaine binaire, chaque gène de ce chromosome est représenté par une valeur binaire 0 ou 1. Certainement, ce codage le plus utilisé car il possède plusieurs avantages, parmi lesquels, on trouve qu'il permet la création d'opérateurs de croisement et de mutation facilement.

1

0

0

1

1

Figure 2.3 Codage binaire d'un chromosome.

? Codage réels

Ce type de codage permet d'utiliser des nombres réels pour coder les gènes des individus de la population. Le codage réel est plus pratique que le codage binaire car, il est plus proche à l'environnement des problèmes à résoudre.

Chapitre 02 Métaheuristique d'optimisation

29

2

4

6

5

3

Figure 2.4 Codage réel d'un chromosome.

A.3.2. Initialisation de la population

L'initialisation sert à constituer la population initiale. C'est une étape très importante car si la population n'est par uniformément répartis au départ, l'évolution risque de se concentrer sur un optimum local [Labed, 2006].

A.3. 3.Évaluation

Pendant les étapes d'évaluation, la fonction d'évaluation est calculée pour chaque individu, le but est d'évaluer chaque individu par rapport à un problème donné. Les individus ayant la valeur de la fitness la plus élevée seront appelés les meilleurs individus, le choix d'une fonction d'évaluation appropriée au problème est critique [Labed, 2006].

A.3.4.Sélection des parents

L'idée générale de cette étape basée sur la sélection parmi est que tous les individus de la population les parent qui assureront la reproduction, la probabilité de survivre d'un individu sera directement relié à son efficacité au sein de la population. Il existe des différents principes de sélection, parmi eux on peut citer:

? Sélection par roulette Wheel (loterie biaisée)

La sélection par roulette est basée sur la division de la roulette en secteurs, chaque secteur correspond à un individu, en tourne la roulette n fois pour sélectionner n individus. Les individus ayant la plus grande valeur de fitness auront plus de chance d'être choisis [Souquet et Radet, 2004].

? Sélection élitiste

Cette méthode consiste à sélectionner les meilleurs n individus de la population après l'avoir triée de manière décroissante selon leurs fitness [Souquet et Radet, 2004].

? Sélection par tournois

Cette méthode consiste à sélectionner deux individus aléatoirement pour s'évaluer, puis on sélectionner le meilleur individu et on répète ce processus n fois pour obtenir n individus de population P. La variance de cette technique est élevée [Souquet et Radet, 2004 ; Laboudi,

Chapitre 02 Métaheuristique d'optimisation

30

2009]. En effet, on peut accorder plus ou moins de chance aux individus peu adaptés [Laboudi, 2009].

précédent sommaire suivant






La Quadrature du Net

Ligue des droits de l'homme