ENSISA Algorithmes génétiques et réseaux de neurones

Algorithmes Génétiques et Réseaux de Neurones
“Smart Bees”
Objectif Général :
Appliquer un algorithme génétique sur un ensemble d’individus, chacun étant muni d’un réseau de neurones afin qu’ils puissent remplir un objectif.
Réseaux de neurones
e0
|f
ei
|f
en
w0
Neurone
wi
|f
wn
left
|f
right
|f
|f
speed
front
|f
|f
angular
speed
back
|f
|f
tanh( wie i )
Principe de l’algorithme génétique :
◾ A chaque génération, l’algorithme génétique
garde 1/3 des meilleurs individus, effectue des
croisements entre ceux-ci et les autres et enfin
des mutations pour les individus restants.
◾ Les gènes étant représentés par les poids wi,
un croisement consiste à générer un nouvel individu dont les gènes sont issus des deux parents
et une mutation à ne modifier qu’un seul gène.
|f
Objectif de la 1
ère
Nombre de passage sur la ruche
25
application :
Possèdant 10 neurones chacune, les abeilles doivent
rester le plus longtemps possible sur la ruche.
Génération >=200 : moins de passage,
mais les abeilles y restent plus longtemps
20
15
10
Résultat : Avec une durée de 10 secondes pour chaque
génération.
5
0
1
10
100
50
Générations
200
500
Remarque : Lorsque le nombre de générations devient très élevé
les résultats ont tendance à se dégrader.
Les abeilles sur-apprennent et oublient peu à peu leur bon comportement.
Nombre de fleurs apportées
sur la ruche
Une durée de 10 secondes pour
15
Objectif de la 2
nde
chaque génération
application :
Possédant 10 neurones chacune, les abeilles doivent prendre
une des fleurs sur le plan et l’apporter dans la ruche.
12
9
6
Plus loin : Même application avec 18 neurones.
3
0
1
10
50
100
200
500
Générations
école nationale supérieure d’ingénieurssud alsace
2
Professeur référent :
Studer Philippe
Elèves :
Freire Carvalho Emanuel
Ozenne Antoine