Algorithme génétique et réseau de neurones Fermé

Question

Bonjour, 

Je suis en train de développer un algorithme génétique entre des individus qui disposent chacun de leur propre réseau de neurones afin de pouvoir effectuer des décisions. 
Toutefois je bloque sur la partie reproduction car je ne vois pas la bonne méthode afin que l'enfant et son réseau de neurones semblent bien faire des choix a peu près équivalents a chacun de ses parents.

Prendre au hasard des neurones a chacun des parents et les arranger ou encore prendre la moyenne de chaque neurone est autant de solution qui ne ferait pas mieux que générer un individu aléatoire (ce qui doit être fait par l'ajout de nouveaux individus pas par la reproduction)

J'avais l'idée de splitter chaque réseau à une certaine couche et de recoller la moitié de l'un avec l'autre moitié de l'autre mais ça ne me semble pas OK car les neurones ne sont pas ordonnés et on ne peut pas déterminer comment les recoller.

Merci d'avance pour vos suggestions.

Configuration: Android / Chrome 86.0.4240.75

yg_be · Answer

bonjour, 

dans quel contexte fais-tu ce travail?

il serait utile que tu décrives comment tu as choisi de représenter le réseau de neurones d'un individu.

sur base de quoi écris-tu que les deux premières méthodes que tu décris ne font pas mieux que générer un individu aléatoire?

je suppose que ton choix d'éliminer la troisième méthode sera claire quand tu auras décrit la représentation.

Sourivore · Answer

Il s'agit de créer des individus qui peuvent évaluer la position dans un jeu (pour l'exemple j'ai commencé sur le jeu des batonnets)

Pour être clair, je vais donner un exemple :
{"neurons": [
  [
     {
        "weights": [1, 2, 3],
        "bias": -1
     },
     {
        "weights": [4, 5, 6],
        "bias": 3
     }
  ],
  [
     {
        "weights": [1, 2],
        "bias": 5
     }
  ]
]
Ceci est une représentation possible.
Dans ce cas il y a la couche d'entrée qui est composée de trois paramètres d'entrée, 1 couche intermédiaire qui contient 2 neurons et la couche de sortie.
Donc "neurons" est un tableau de couche de neurones et pour chaque couche nous avons un tableau de neurones qui contient les poids et biais respectifs.

Dans l'exemple si nous avons par exemple en entrée 8, 9 et 10 ([8, 9, 10]) alors le résultat intermédiaire à la première couche est [-1 + 1/exp(8*1+9*2+10*3), 3 + 1/exp(8*4+9*5+10*6)]

Et idem pour la couche finale afin d'avoir un unique résultat.

Dans ce cas une fois qu'on a créé des individus avec son propre réseau de neurone il sera capable de déterminer une évaluation d'une position de jeu (les paramètres d'entrée) afin de pouvoir indiquer la meilleure position possible.

Ensuite je les fait jouer ensemble (on prend chaque coup possible et on joue le coup qui nous amènerait à la meilleure position selon son propre réseau de neurones)
Je les sélectionne ensuite en fonction de leur résultats (pondération), j'en croise quelques uns puis j'effectue éventuellement des mutations (changement de valeur aléatoire) et je remplis avec des nouveaux individus aléatoires.

Et on recommence une nouvelle génération à partir des individus résultants et ainsi de suite.

Pour le moment sans croisement ça ne marche pas trop mal mais pourrait être grandement amélioré avec un croisement efficace, ce qui est compliqué à trouver.

Quant à l'idée de sélectionner au hasard des neurones ou des les mixer n'importe comment cela ne suit aucune logique donc il est évident que ça ne peut pas marcher.
Il suffit par exemple que deux neurones soient inversés afin de complètement faire le contraire du résultat...

Sourivore · Answer

{"neurons": [	[		{			"weights": [-1, 0, 5],			"bias": 0		},		{			"weights": [8, -1, 1],			"bias": -1		}	],	[		{			"weights": [1, 1],			"bias": 4		}	]]

Oui c'est ça je dois en obtenir 2 autres comme dans un algorithme génétique classique.
Une solution qui ne résulterait qu'en un seul individu me conviendrait aussi.

Algorithme génétique et réseau de neurones

3 réponses

Discussions similaires