Les documents pédagogiques sont mis à votre disposition sous les termes de la licence 
Les pages formation sont un outil de communication et de gestion des enseignements. Les informations contenues dans ces pages ne sont en aucun cas contractuelles, ne sont pas définitives et sont sujettes à modification sans préavis.
| Année (Module) : | 1A (ET) |
| Professeurs : | Evelyne LUTTON, Pierre COLLET, Cyril FONLUPT |
| Maîtres de conférence : | CYRIL FONLUPT |
L'évolution artificielle est une classe d'algorithmes (dont la catégorie la plus connue est celle des algorithmes génétiques) fondés sur des modèles simplifiés de l'adaptation des systèmes naturels. Le principe est de faire évoluer une population de solutions potentielles d'un problème, formulé en termes de recherche du maximum d'une fonction. Les moteurs de l'évolution sont un mécanisme de sélection (l'idée est typiquement de donner une probabilité de survie plus grande aux individus les mieux classés) et des opérateurs génétiques (mutation, croisement, etc.). Dans les termes de l'intelligence artificielle, la fonction à optimiser ("fitness") est ainsi la représentation de la connaissance spécifique au problème et les mécanismes évolutionnaires contiennent la connaissance générale (moteur de résolution). On obtient ainsi des outils d'optimisation très robustes et efficaces dans de nombreux cas où les autres méthodes échouent, spécialement dans le cas de problèmes discrets, non-linéaires et de fonctions très irrégulières. Sur le plan théorique, des théorèmes de convergence viennent depuis peu compléter la connaissance quelque peu empirique de la performance de ces algorithmes. Les applications au monde réel sont nombreuses et étonnamment variées: contrôle d'unités de génie chimique, conception de profils en aéronautique, commande de robots, théorie des jeux, économie, programmation automatique, traitement du signal et vision artificielle.
* introduction générale: optimisation, codage, fitness, opérateurs évolutionnaires, etc.
* théories asymptotiques (schémas, modélisation Markovienne, fractale, etc.) et convergence,
* algorithmes génétiques,
* programmation génétique,
* algorithmes d'estimation de distributions,
* approche Parisienne et co-évolution,
* vie artificielle et optimisation par colonies de fourmis,
* boîtes a outils logicielles et langage de specification EASEA.
SOUS FORME D'ETUDE BIBLIOGRAPHIQUE.
Le but est de rediger des fiches html, les meilleurs fiches seront affichees sur le site du cours EA http://complex.inria.fr
LES SUJETS SERONT PROPOSÉS, au premier cours par Evelyne Lutton.
Les étudiants pourront proposer aussi leur propre recherche bibliographique
sur un sujet qui les interesse particulierement.
La derniere seance du cours sera consacree à une série d'exposés
faits par les etudiants sur leurs bibliographies.
http://apis.saclay.inria.fr/
Evolution Artificielle
Dernière mise à jour: 01/02/2013, par filliat
(resp.: filliat)