CHAPITRE 4. EXPÉRIMENTATION ET
ÉVALUATION
FIGURE 4.11 - Courbe représentant l'évaluation
du Fitness dans le cas de probabilité de mutation
Pmut= 0.04 et une variation de probabilité
de croisement Pcross
Une constatation peut être faite concernant le
Pcross = 0.6 est que la fonction d'adaptation n'atteignent
pas la solution optimale . Au temps qu'elle est atteinte dans le cas des
Pcross = 0.7et Pcross= 0.65.
Nous pouvons remarquer que la convergence est plus lente quand la
probabilité de croisement Pcross est égale
à 0.7. La solution optimale est obtenue quand une valeur qui
tend vers zéro de la fonction d'adaptation est atteinte, celle-ci est
observée à
Pcross = 0.65.
Dans la partie suivante, la probabilité de croisement est
fixé à Pcross = 0.65.
- Probabilité de Mutation Pmut :
Nous avons utilisé la technique de mutation à échange
reciproque pour construire notre AG. Pour déterminer le choix de la
probabilité de mutation Pmut, nous avons
varié les valeurs entre 0.02 et 0.04. L'ensembles des
probabilités de mutation que nous avons utilisé est {
0.02, 0.03, 0.04 }.
65
CHAPITRE 4. EXPÉRIMENTATION ET
ÉVALUATION
FIGURE 4.12 - Courbe représentant l'évaluation
du Fitness dans le cas de probabilité de croisement Pcross
= 0.65 et une variation de probabilité de mutation
Pmut
Une constatation peut être faite concernant la fonction
d'adaptation est que celle ci atteint la solution optimale dans le cas de
Pmut= 0.03.
Après certaines expériences, afin de choisir la
probabilité de croisement et de mutation, les valeurs choisies sont
égales respectivement à Pcross = 0.65 et
Pmut = 0.03, car la vitesse de convergence est plus rapide
avec ces valeurs.
- Taille de la population initiale
:
Dans le même contexte, nous avons effectué des
expériences pour observer l'influence de la taille de la population.
Nous avons utilisé les paramètres prédéfinis
initialement (Tableau-4.1) et les résultats des expériences
précédentes : le croisement à 1-point de coupure avec la
probabilité Pcross = 0.65 et la mutation à
échange réciproque avec la probabilité Pmut =
0.03
.
Nos résultats obtenues sont basés sur une
population initiale de 100 individus, nous avons effectué des
expériences avec une population de plus grande taille,
c'est-à-dire une population de 200 individus. La figure-4.13
représente l'évaluation moyenne de la fonction Fitness
sur notre population choisie et sur une population plus élargie.
66
CHAPITRE 4. EXPÉRIMENTATION ET
ÉVALUATION
FIGURE 4.13 - Comparaison de la convergence du
Fitness pour deux populations de tailles différentes
Nous avons observé, que la vitesse de convergence des
deux populations, est presque la même. La solution optimale est atteinte
à la 800ème génération (figure-4.13). Donc, il est
mieux d'utiliser une population de taille égale à 100 individus
au lieu de 200 car le temps de calcul pour une population de grande taille est
plus lent.
Ces expériences nous ont permis de fixer certaines
valeurs des paramètres. Ces derniers concernent le choix des valeurs des
probabilités des opérateurs de mutation et de croisement et
l'influence de la taille de la population. Ces valeurs obtenues combiner avec
les valeurs prédéfinis initialement (Tableau-4.2) seront
utilisés pour la sélection de primitives.
67
| 
