algorithme génétique
575 Visualisations

CG : nm

CT : Les algorithmes évolutifs sont des algorithmes stochastiques fondés sur la manipulation du processus d’évolution et d’adaptation des organismes dans les milieux naturels. Dans cette large classe d’algorithmes, on retrouve la sous-classe des algorithmes génétiques. Ces derniers sont des processus d’optimisation de problèmes, fondés sur la théorie darwinienne. Un Algorithme Génétique (AG) a pour but de faire évoluer un ensemble de solutions candidates à un problème posé vers la solution optimale. Cette évolution s’effectue sur la base de transformations inspirées de la génétique, assurant de génération en génération, l’exploration de l’espace des solutions en direction des plus adaptées.
Nous présentons ci-après les concepts, propriétés et heuristiques d’adaptation des AGs ainsi qu’un aperçu des principaux travaux d’application des AGs à la recherche d’information.

S : HAL – https://hal.archives-ouvertes.fr/hal-00359534/document (consulté le 19.12.2018)

N : 1. – algorithme (nm) : XIIIe siècle, augorisme. Altération, sous l’influence du grec arithmos, « nombre », d‘algorisme, qui, par l’espagnol, remonte à l’arabe Al-Khuwarizmi, surnom d’un mathématicien. Math. Méthode de calcul qui indique la démarche à suivre pour résoudre une série de problèmes équivalents en appliquant dans un ordre précis une suite finie de règles. L’algorithme de la multiplication de nombres à plusieurs chiffres.
– génétique (adj) : XIXe siècle. Emprunté, par l’intermédiaire de l’allemand genetisch, de même sens, du grec gennêtikos, « propre à la génération, qui engendre ». Biol. Qui se rapporte à l’hérédité, aux gènes.

  • Abréviation: AG.
  • Usage fréquent au pluriel: algorithmes génétiques.

2. Méthode heuristique évolutionniste conçue pour résoudre un problème d’optimisation en faisant appel à un processus de sélection naturelle basée sur l’évolution génétique.
3. Dans un algorithme génétique, des populations de candidats ou individus évoluent sur plusieurs générations vers de meilleures solutions. Chaque candidat (chromosome) possède un ensemble de gènes qui peuvent faire l’objet de mutations. Chaque gène comprend un certain nombre d’allèles, chaque allèle représentant une variable en particulier. À chaque génération, la performance de tous les candidats constituant la population est mesurée grâce à une fonction d’évaluation. Les candidats les plus performants sont sélectionnés et leurs chromosomes sont croisés ou recombinés pour constituer la génération suivante. Des mutations peuvent également survenir de manière aléatoire afin d’éviter la convergence trop rapide vers un minimum local de la fonction d’évaluation. L’augmentation des vitesses de calcul des processeurs, la possibilité d’effectuer plus facilement des calculs parallèles et la proposition de nouvelles méthodes et applications ont favorisé récemment un regain de popularité pour les algorithmes génétiques.

S : 1. DAF – https://urlz.fr/8Biy ; https://cutt.ly/LI (consulté le 9.01.2019) ; CARI – http://www.cari-info.org/Actes-2016/8.pdf (consulté le 19.12.2018) ; PCO – http://pro.chemist.online.fr/cours/ag1.htm (consulté le 19.12.2018). 2 et 3. PM – https://urlz.fr/8BiR (consulté le 19.12.2018).

RC : informatique, intelligence artificielle, intelligence computationnelle, système intelligent.