Les Algorithmes Gntiques

LICENCE





Anne universitaire :
2012-2013
Universit Sidi Mohammed Ben Abdallah
Facult des sciences et techniques FES
Dpartement Mathmatique



Expos
Recherche
Oprationnelles


Prpar par :
Ghita Bencheikh.

Calcul Scientifique et Applications
(CSA)
Encadr par :
Pr. ETTAOUIL Mohamed



Table des matires

Introduction : ............................................ 3
Cration de la population initiale .......................... 4
Gnration de la population ............................... 4
Codage binaire : .............................................................................................. 4
Codage caractres multiples : ........................................................... 4
Codage sous forme darbre : ................................................................... 4
Evaluation des individus .................................. 4
Slection ................................................. 5
-Slection par roulette (wheel) ............................................................. 5
-Slection par rang ....................................................................................... 5
- Slection dchantillonnage : ............................................................. 5
-Slection Uniforme : .................................................................................. 5
Reproduction ............................................ 6
-Croisement : .................................................................................................... 6
-Mutation : ......................................................................................................... 7
Application .............................................. 7




Introduction :

L'optimisation occupe une place trs importante en recherche oprationnelle, en
mathmatiques discrtes et en informatique. Son importance se justifie d'une part
par la grande difficult des problmes d'optimisation et d'autre part par de
nombreuses applications pratiques pouvant tre formules sous la forme d'un
problme d'optimisation. Bien que les problmes d'optimisation combinatoire soient
souvent faciles dfinir, ils sont gnralement difficiles rsoudre. En effet, la
plupart de ces problmes appartiennent la classe des problmes NP-difficiles et ne
possdent donc pas ce jour de solution algorithmique efficace valable pour toutes
les donnes.
De nombreuses mthodes de rsolution ont t dveloppes en recherche
oprationnelle (RO). Parmi ces mthodes on trouve les algorithmes gntiques.
En effet, en 1962 naissent les algorithmes gntiques avec les travaux de John
Holland avant d'tre populariss en 1989 par David E. Goldberg. Il s'agit d'une
mthode itrative base sur les fondements de l'volution de Charles Darwin qui
consiste optimiser une fonction (c'est--dire d'en dterminer un optimum). Ainsi,
pour faire une analogie avec ce concept biologique, l'utilisation de termes lis ce
domaine tels que chromosome, gne, mutation, croisement,...
Le principe de cet algorithme est bas sur la thorie de Darwin qui pousse les
individus les plus adapts survivre le plus longtemps pour se reproduire. Un
algorithme gntique va faire voluer une population dans le but damliorer les
individus.
Le droulement dun algorithme gntique peut tre dcoup en cinq parties :
1. La cration de la population initiale.
2. Gnration de la population.
3. Evaluation des individus.
4. Slection
5. La reproduction
6. Retour a ltape (3) jusqu larrt de lalgorithme.
Nous allons analyser plus en dtail le principe de fonctionnement tape par tape.



Cration de la population initiale

La population initiale sera cre de manire alatoire condition que chaque individu
de la population cre soit une solution du problme. La population doit tre non
homogne et servira de base pour les gnrations futures.
Gnration de la population

Aprs avoir cr la population initiale il faut la gnrer, pour cela on code chaque individu de
la population par un(ou plusieurs) chromosomes, et chaque chromosome comportant
plusieurs gnes.
Il existe 3 diffrents choix de codage :
Codage binaire :
Chaque chromosome est reprsent par une chaine de bits (pouvant prendre comme valeur
0 ou 1)
Codage caractres multiples :
Chaque chromosome est reprsent par une suite numrique ou de caractres.
Codage sous forme darbre :
Ce codage en structure arborescente part dune racine, partir de laquelle peuvent
tre issus un ou plusieurs fils. Larbre se construit alors au fur et mesure, en
ajoutant des branches chaque nouvelle gnration, Un des avantages est que ce
codage peut tre utilis dans les cas o les solutions nont pas de taille finie. En
revanche, les solutions peuvent alors parfois tre difficiles interprter, surtout
lorsquon se retrouve avec des arbres de taille trs importante.
Evaluation des individus

Aprs avoir cr la population initiale, nous attribuons une valeur dadaptation ou
une note chaque individu selon leur performance. Il faudrait donc crer (en
fonction du problme tudi) une fonction dvaluation. Cette fonction est appele
Fitness , et qui permet de dterminer la qualit de la solution prsenter par
chaque individus si la valeur numrique trouve est grande alors cet lment a plus
de chance dtre choisie lor de la slection, car notre but tant de rechercher les
meilleures individus de la population.


Slection

L'oprateur de slection va permettre d'identifier les meilleurs individus de la
population gnre et ainsi d'liminer les plus mauvais. II existe plusieurs mthodes
de slection, les plus couramment utilises sont les suivantes :
-Slection par roulette (wheel)

Il faut imaginer une sorte de roulette de casino sur laquelle sont placs tous les
chromosomes de la population, la place accorde chacun des chromosomes tant en
relation avec sa valeur dadaptation. Ensuite, la bille est lance et sarrte sur un
chromosome. Les meilleurs chromosomes peuvent ainsi tre tirs plusieurs fois et les
plus mauvais ne jamais tre slectionns.
-Slection par rang

Ce mode de slection choisit toujours les individus ayant les meilleures notes
dadaptation, sans laisser intervenir le hasard.
- Slection par tournoi :
Consiste prendre alatoirement un nombre K dindividus et choisir le meilleur entre eux.
On rpte se processus jusqu atteindre le nombre ncessaire dindividus reproduire.
- Slection dchantillonnage :

Consiste associ chaque individu un segment de longueur relative sa note, et les
individus slectionns sont choisis par un ensemble de points quidistants.
-Slection Uniforme :

La slection se fait alatoirement, uniformment et sans intervention de la valeur
d'adaptation. Chaque individu a donc une probabilit

d'tre slectionn, o P est le

nombre total d'individus dans la population.



Reproduction

-Croisement :

Lorsque la slection est termine, On prend deux individus (parents) croiser pour
obtenir deux nouveaux individus quon les appels enfants.
Les chromosomes enfants disposent ainsi, comme le montre les figures






Choisissait un angle au hasard et dcoupait les parents pour fabriquer deux enfants,
lenfant 1 ayant la premire moiti du parent 1 et la seconde du parent 2, et
inversement pour lenfant 2

Dans l'exemple montr sur la figure prcdente, nous n'avons choisi qu'un seul point
de croisement, mais il est frquent d'effectuer ce que l'on appelle du croisement
points multiples comme l'illustre la figure suivante :






Point de croisement




Croisement
Parent 1
Parent 2
Enfant 1
Enfant 2

Points de croisement
Parents
Enfants
Croisement


Cet oprateur permet la cration de deux nouveaux individus. Toutefois, un individu slectionn lors
de la reproduction ne subit pas ncessairement laction dun croisement. Ce dernier ne seffectue
quavec une certaine probabilit. Plus cette probabilit est leve et plus la population subira de
changement.

La probabilit de croisement pc est gnralement donne pad le programmeur. Plus
elle est leve, plus la population subit de changements importants. Les valeurs
gnralement admises sont comprises entre 0,5 et 0,9.
-Mutation :

Le rle de cet oprateur est de modifier alatoirement, avec une certaine probabilit,
la valeur dun composant de lindividu. Dans le cas du codage binaire, chaque gne
est remplac ou permut avec un autre gne selon une probabilit Pm. Tout comme
plusieurs lieux de croisement peuvent tre possibles, nous pouvons trs bien
admettre quune mme chane puisse subir plusieurs mutations.
La mutation est traditionnellement considre comme un oprateur marginal bien
quelle confre en quelque sorte aux algorithmes gntiques la proprit dergodicit
(i.e. tous les points de lespace de recherche peuvent tre atteints). Cet oprateur est
donc dune grande importance. Il a de fait un double rle : celui deffectuer une
recherche locale et/ou de sortir dune trappe (recherche loigne).
La probabilit de mutation pm. Ce taux est gnralement faible puisquun taux lev
risque de conduire une solution sous-optimale.
















Application


Remplacement
Schma rcapitulatif :



Considrons le problme linaire suivant :
Max Z=x
1
+2x
2

-3x
1
+2x
2
2
(P) -x
1
+2x
2
4
x
1+
x
2
5
x
1,
x
2
0
Cration de la population initiale :
La population initiale sera cre de manire alatoire condition que chaque individu
de la population cre soit une solution du problme.
On prend par exemple 6 solutions vidents du problme :
(0,0) , (0,1) , (1,0) , (2,0) , (2,0) , (0,1)

Gnration de la population :
Puisquon a deux variable, alors chaque individus de la population sera reprsenter
par deux chromosomes ;
1
er
correspond a x1, le 2
me
pour x2.
Le codage quon va utiliser sera le codage binaire, alors chaque chromosome sera
reprsenter par une chaine de bits.





Itration 1 :

0 0 0
0 0 0

0 0 1
0 0 0
0 0 0
0 0 1
0 1 0
0 0 0
(0,0) (1,0) (0,1) (2,0)
x1
x2
Puisque cest un problme de maximisation alors on peut prendre comme fonction
Fitness = fonction objectif (plus que la valeur objectif est grande alors cet lment plus de
chance dtre slectionn).
Fitness(individus i)= x1+2x2
On a choisit la slection uniforme et puisquon a Pc=1 alors le nombre dindividus a
slectionn est (100% ) 6, sachant quon peut tirer plusieurs fois le mme individu.














On remplace les individus slectionns par les meilleurs fils et on refait le mme
travail, on aura :
Itration 2 :













0
6
= 0 < Pm

Fitness

< Pm

< Pm

< Pm

< Pm

< Pm


Notre population devient

Maintenant notre population est compose par des lments de bonne qualit.