A voir également:
- Algorithme genetique
- Logiciel algorithme euromillion - Télécharger - Loisirs créatifs
- Logiciel algorithme gratuit - Télécharger - Édition & Programmation
- Algorithme euromillion excel gratuit - Forum Algorithmes / Méthodes
- Algorithme ajout rapide snapchat - Forum Snapchat
- Ajout rapide snap - Forum Snapchat
1 réponse
1.Population de base générée aléatoirement:
n chaînes de caractères ou de bits.1 chaîne correspond à 1 chromosome.
2.Évaluation:
à chaque chaîne, une note correspondant à son adaptation au problème.
3.Sélection :
tirage au sort de n/2 couples de chaînes sur une roue biaisée. Chaque chaîne a une probabilité d'être tirée proportionnelle à son adaptation au problème. Optimisation possible : si l'individu le plus adapté n'a pas été sélectionné, il est copié d'office dans la génération intermédiaire à la place d'un individu choisi aléatoirement.
4.Croisement et mutation :
Chaque couple donne 2 chaînes filles.
Enjambement.
Probabilité : 70%. Emplacement de l'enjambement choisi aléatoirement.
Exemple :
Chaînes parents : A : 00110100 ; B : 01010010
Chaînes filles : A' : 00010010 ; B' : 01110100
Croisement en 2 points plus efficace.
Mutations des chaînes filles.
Probabilité : de 0,1 à 1%.
Inversion d'un bit au hasard ou remplacement au hasard d'un caractère par un autre.
Probabilité fixe ou évolutive (auto-adaptation).
On peut prendre probabilité = 1/nombre de bits.
Les algorithmes génétiques reprennent la théorie de Darwin : sélection naturelle de variations individuelles : les individus les plus adaptés (the fittest) tendent à survivre plus longtemps et à se reproduire plus aisément.
Amélioration de la population très rapide au début (recherche globale) ; de plus en plus lente à mesure que le temps passe (recherche locale).
Convergence : la valeur moyenne de la fonction d'adaptation a tendance à se rapprocher de celle de l'individu le plus adapté : uniformisation croissante de la population.
Le temps de calcul des algorithmes génétiques croît en nln(n), n étant le nombre de variables.
La bretagne...le plus bel endroit au monde.
n chaînes de caractères ou de bits.1 chaîne correspond à 1 chromosome.
2.Évaluation:
à chaque chaîne, une note correspondant à son adaptation au problème.
3.Sélection :
tirage au sort de n/2 couples de chaînes sur une roue biaisée. Chaque chaîne a une probabilité d'être tirée proportionnelle à son adaptation au problème. Optimisation possible : si l'individu le plus adapté n'a pas été sélectionné, il est copié d'office dans la génération intermédiaire à la place d'un individu choisi aléatoirement.
4.Croisement et mutation :
Chaque couple donne 2 chaînes filles.
Enjambement.
Probabilité : 70%. Emplacement de l'enjambement choisi aléatoirement.
Exemple :
Chaînes parents : A : 00110100 ; B : 01010010
Chaînes filles : A' : 00010010 ; B' : 01110100
Croisement en 2 points plus efficace.
Mutations des chaînes filles.
Probabilité : de 0,1 à 1%.
Inversion d'un bit au hasard ou remplacement au hasard d'un caractère par un autre.
Probabilité fixe ou évolutive (auto-adaptation).
On peut prendre probabilité = 1/nombre de bits.
Les algorithmes génétiques reprennent la théorie de Darwin : sélection naturelle de variations individuelles : les individus les plus adaptés (the fittest) tendent à survivre plus longtemps et à se reproduire plus aisément.
Amélioration de la population très rapide au début (recherche globale) ; de plus en plus lente à mesure que le temps passe (recherche locale).
Convergence : la valeur moyenne de la fonction d'adaptation a tendance à se rapprocher de celle de l'individu le plus adapté : uniformisation croissante de la population.
Le temps de calcul des algorithmes génétiques croît en nln(n), n étant le nombre de variables.
La bretagne...le plus bel endroit au monde.
merci d'abord pour votre aide,
svp j'ai pu avoir cet exemple coder en matlab.
merci d'avance