Programmation

Évolutionnaire

2007 - 2008

Master 2 PLMT


Cette page continuera de se complèter au fur et à mesure...

Programmation Évolutionnaire - Master 2 PLMT 2007-2008


Reponsable du module : Philippe Collard
Pour obtenir plus renseignements : contacts

Description

De nombreux exemples d'adaptation des espèces naturelles à leur environnement témoignent de la puissance des mécanismes de l'évolution. L'évolution artificielle (EA) a pour objectif général de reproduire in silicio ces mécanismes afin de construire des outils performants d'optimisation et de conception automatique. Dans ce contexte, ce cours vise à sensibiliser les étudiants à cette approche novatrice suivant trois axes : les algorithmes génétiques, la programmation génétique et les systèmes de classeurs. Les algorithmes génétiques (AG) et, plus généralement, tous les algorithmes évolutionnistes, s'inspirent des modèles de processus d'évolution naturelle pour concevoir et implémenter des systèmes de résolution de problèmes. Ils simulent l'évolution d'individus via des variations dues à des mécanismes tels que sélection, mutation ou reproduction. La programmation génétique (PG) est l'application des principes de l'EA à la recherche de programmes au sens général du terme avec des opérateurs adaptés aux structures manipulées (arbre, pile, graphe). Les systèmes de classeurs (SC) sont basés sur une architecture de règles de production ; ils permettent de concevoir des systèmes autonomes évolutifs. Les SC allient exploration et exploitation de la connaissance pour acquérir une solution à un problème sous la forme d'une succession d'actions.

5 cours :

1. Paysage de fitness et métaheuristiques (S. Verel, 17/01/2008 de 14h à 17h)
slides
Étude des dynamiques des algorithmes d'optimisation appelées metaheuristiques
Lien avec la difficulté d'optimisation
Théorie de la neutralité.

Representation of multimodal fitness landscape

2. Techniques d'apprentissage (M. Clergue, 24/01/2008 de 14h à 17h)
Élaboration d'un modele a partir d'une base d'exemples
Programmation génétique
Système de classeurs
Par exemple : régression symbolique, problemes inverses,...

3. Introduction aux Systèmes complexes (P. Collard, 12/02/2008 de 14h à 17h à l'i3s)
Émergence de comportement globaux à partir de rêgles locales simples
Théorie du chaos
exemple : automates cellulaires, fonction logistique,...

4. Séance de TP / mini-projets (S. Verel, 14/02/2008 de 14h à 17h à l'i3s) énoncé
Travaux sur machines autour de mini-projets à déterminer (par exemple netlogo, papier/ciseau, ECJ/EO, ...)

5. Algorithmes Évolutionnaires Interactifs (C. Escazut et D. Pallez 28/02/2008 de 14h30 à 17h30)
Algorithmes inspirés de la théorie de l'évolution Darwinienne:
sélection des meilleures solutions puis variations aléatoires de celles-ci.
Ici les algorithmes évolutionnaires mettront en jeu l'interaction avec un utilisateur ou un environnement reel.

Évaluation du module Programmation Evolutionnaire

Vous devez rendre la synthèse d'articles avant lundi 24 mars 2008 à minuit.

Vous devez présenter le mini-projet le mercredi 26 mars 2008 au matin.



Synthèse d'articles (2/3 de la note)


Cette partie compte pour 2/3 de la note finale.
Ce travail est à rendre par email (verel-at-i3s.unice.fr).

Le travail consiste à synthèser l'un des articles de la liste ci-dessous, puis à rédiger une étude comparative à l'aide d'un autre article connexe au premier article (il peut être issu soit de la bibliographie de l'article, soit de vos recherches bibliographiques).
La synthèse et l'étude comparative devront chacune être d'environ 2 pages.

Mettez vous d'accord pour ne pas prendre le même article !


Les articles proposés sont :
  • 3 articles sur les IEC :
  • Combating User Fatigue in iGAs:Partial Ordering, Support Vector Machines, and Synthetic Fitness
  • An Overview of the integration of aesthetics, componentbased representations and machine-learning within a User-centric Evolutionary Design System
  • On Interactive Evolution Strategies
  • 1 article sur les algorithmes génétiques :
  • Equivalence Class analysis of Genetic Algorithms
  • 3 articles sur l'optimisation par colonnie de fourmis :
  • Ant Colony Optimization
  • Ant algorithms and stigmergy
  • Parallel Ant Colony Optimization for the Traveling Salesman Problem
  • 3 articles sur les paysages de fitness :
  • Netcrawling - Optimal Evolutionary Search with Neutral Networks
  • Population Evolution on a Multiplicative Single!Peak Fitness Landscape
  • Optimal adaptive performance and delocalization in NK fitness landscapes


  • haut de page

    Mini Projet (1/3 de la note)


    Le mini projet compte pour 1/3 de la note finale.
    Ce travail est à présenter par oral (20 min environ) le jeudi aprés-midi, prendre le rendez-vous par email (verel-at-i3s.unice.fr).

    Il est réalisé par binôme.

    Je vous ai donné les consignes pendant la séance, vous pouvez toujours me poser des questions par courriel.


    haut de page

    last change : jan 17, 2008