3.1.6. Les Algorithmes Génétiques
3.1.7. Principes généraux
Les Algorithme Génétique (AG) font partie d'une
famille de méthode stochastique
appelés méthode évolutionniste qui
reposant sur une analogie avec la théorie de
l'évolution naturelle, selon laquelle les individus
d'une population les mieux adapté à
leur environnement ont une plus grande probabilité de
survivre de se reproduire de
génération en génération, en
donnent des descendent encore mieux adaptés.Depuis une
trentaine d'années d'intérêt pour les
algorithmes génétique va croissant en raisons de
leurs nombreux avantages sur les autres technique
d'optimisation : ils sont robustes,
rapides, Suffisante généraux pour pouvoir
s'adapter à n grand nombre de situation et
enfin ne demandent aucun connaissance précise sur lez
system a optimisé. Les
algorithme génétique ont été
développés dans les années 70 par Holand puis
approfondis par Goldberg, ils sont certainement la branche des
Algorithme
évolutionnistes les plus connue et les plus
utilisé .La particularité de ces algorithme est
le fait qu'il font évaluer des population d'individus
codés par une chaîne binaire .ils
utilisant les opérateur de mutation et de recombinaison
de différent types. Le but d'un
algorithme génétique est d'optimisé une
fonction donnée dans un espace de recherche
précis. Dans le cas général, un algorithme
génétique a besoin de quatre composants
fondamentaux : Une fonction de codage qui transforme les
données de l'espace de
recherche en données utilisable par un ordinateur : par
exemple une séquence de bits ou
bien un nombre réel.
Un moyen de créer une population initiale à partir
des solutions potentielles. Une
fonction qui permet d'évaluer l'adaptation d'un
chromosome, ce qui offre la possibilité
de comparer les individus .cette fonction sera en fait
construit à partir du critère que l'on
désire optimiser .L'application de cette fonction
à un élément de la population donnera
sa performance (évaluation) .Des opérateur qui
altèrent les enfants après la
reproduction. On choisit une population initiale de taille n
,c'est-à-dire que l'on tire au
hasard le plus uniformément possible un certaine nombre
d'éléments qui seront
appelés chromosome dans l'espace des données .A
fine de réalisé l'analogie avec
génétique ,il faut disposer comme nous l'avons vu
d'opérateurs de sélection et de
recombinaison qui vont permettre à cette population
dévaluer (on se reportera à la
figure 30) .L'utilisation de ces trois opérateur permet
De conserve une population bine
diversifiée( c'est-à-dire bien répartie
dans l'espace )et par conséquent d'accéder à tout
l'espace de recherche. [39,40,41]
Solution Fna
Initialisation
Evaluation de la population initiale 44
Figure 13::Principe d'un Algorithme génétique
| 
