Systèmes Artificiels Complexes 2008 - 2009

But

Initiation à la programmation et à la simulation de systèmes complexes artificiels

Descriptif

Les systèmes complexes sont composés d'entités hétérogènes en interaction forte et structurée en plusieurs niveaux d'organisation. Les systèmes complexes sont présents dans beaucoup de phénomènes naturels tel que la biologique (métabolisme, croissance, etc.), la physique (plasma, etc.), les réseaux sociaux (propagation d'information, réseaux d'entreprises, etc.). Il s'agira dans ce cours d'apprendre la programmation de systèmes artificiels complexes inspirés de systèmes complexes naturels.

Cette option enseigne des bases de la programmation des systèmes complexes artificiels ayant pour but l'apprentissage statistique et l'optimisation stochastique en simulant des systèmes biologiques.

Programme

5 séances de 4h : 2h cours, 2h TP sur machine (dont une de 3h).

1. Introduction aux Systèmes Artificiels Complexes - 16/02/09 de 15h à 19h (P. Collard)

Émergence de comportement globaux à partir de rêgles locales simples. Théorie du chaos. Exemples : fonction logistique, système de réécriture (L-system),...

2. Optimisation par métaheuristiques - 02/03/09 de 15h à 19h (S. Verel)

Présentation des algorithmes stochastiques pour l'optimisation difficile: Recuit simulé, recherche taboue, algorithmes évolutionnaires (algorithmes génétiques, ...) et de leurs variantes récentes. Application au design interactif.
cours et tp

3. Colonnie de fourmis, intelligence d'essaim - 11/03/09 de 8h à 12h (P. Collard)

Recherche du plus court chemin sur graphe à l'aide de l'algorithme bioinspiré de fourmis. Présentation des algorithmes à particules pour l'optimisation numérique inspirés des déplacements en essaim (Particule Swarm Optimisation). Applications.

4. Technique d'apprentissage par réseau de neurones - 12/03/09 de 15h à 19h (M. Clergue)

Apprentissage d'un modèle à partir d'une base d'exemples. Les réseaux de neurones, méthode d'apprentissage statistique basée sur la modélisation des neuronnes.
cours et TP

5. Algorithmes Evolutionnaires - 18/03/09 de 9h à 13h (S. Verel)

méthode d'optimisation basée sur l'évolution artificielle. Introduction aux principes et aux différents algorithmes d'optimisation. Introduction à la programmation génétique. Applcation à la programmation d'un automate cellulaire : le probléme des fusiliers support de cours et TP
mémoire de TER, slides et code source

Objectifs

1. Savoir définir systèmes complexes artificiels
2. Connaitre des exemples de systèmes complexes artificiels : L-système, etc.
3. Connaitre les propriétés du chaos déterministe
4. Connaître les problèmes d'optimisation industriels
5. Connaitre les principales metaheuristiques : hill-climbing, recuit simulé, recherche taboue.
6. Savoir développer des métaheuristiques
7. Connaitre les principes de l'intelligence en essaim
8. Connaitre le principe d'optimisation par colonnie de fourmis
9. Savoir développer un réseau de neurones
10. Connaitre l'origine des algorithmes évolutionnaires
11. Savoir développer des algorithmes évolutionnaires : algorithmes génétiques, programmation génétique, etc.

Bibliographie

• livre : "Métaheuristiques pour l'optimisation difficile"
• wikipedia sur métaheuristiques : wikipedia
• année passée
• page de P. Collard

Équipe de l'enseignement

• Manuel Clergue
• Philippe Collard
• Sébastien Verel

Evaluation

A chaque séance, un TP est proposé.

Tous les TPs seront notés pour l'évaluation de cette option.
Il n'y a pas de partiel pour cette option, seuls les tps servent à l'évaluation.
Les TP à rendre sont :

• TP metaheuristique le 16/03/09 par jalon
• TP colonnie de fourmis le 31/03/09, cf site
• TP reseau de neuronnes le 01/04/09, cf Manuel Clergue
• TP algorithme évolutionnaire le 08/04/09 par jalon

Emploi du temps

Les cours et TP ont lieu en PV 302 ou PV 304.

• 16/02/2009 de 15h à 19h
• 02/03/2009 de 15h à 19h
• 11/03/2009 de 8h à 12h15
• 12/03/2009 de 15h à 19h15
• 23/03/2009 de 16h à 18h et 25/03/2009 de 17h à 19h