CHAPITRE 2. FONDEMENTS THÉORIQUES
L'objectif d'insertion est d'éviter que les meilleurs
individus soient perdus après l'application des opérateurs de
croisement et de mutation. Cette méthode permet de conserver les
meilleurs individus trouvsé dans toutes les populations
générées antérieurement.
2.2.8 Critère d'arrêt
L'arrêt de l'évolution d'un AG est l'un des
difficultés majeur car il est souvent difficile de savoir si nous avons
trouvé l'optimum. Les critères d'arrêt les plus
utilisés, dans la littérature, sont les suivants :
1. Arrêt de l'algorithme après un nombre de
générations (un nombre fixé a priori);
2. Arrêt de l'algorithme lorsque le meilleur individu
cesse d'évoluer pendant un certain nombre de
génération;
3. Arrêt de l'algorithme lorsqu'il ya perte de la
diversité génétique.
Une façon d'améliorer les performances d'un
algorithme est le combiner avec une autre méthode. L'idée dans ce
cas est de lancer l'AG en premier lieu, ensuite, une autre technique s'occupera
du raffinement des solutions générées par l'AG. Dans ce
qui suit, nous allons étudier l'hybridation
neuro-génétique dans le domaine d'OCR.
| 
