ENSISA Algorithmes génétiques et réseaux de neurones

Professeur référent :
Studer Philippe
Elèves :
Freire Carvalho Emanuel
Ozenne Antoine
école nationale supérieure d’ingénieurssud alsace
2
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 neu-
rones afin qu’ils puissent remplir un objectif.
0
5
10
15
20
25
Générations
Génération >=200 : moins de passage,
mais les abeilles y restent plus longtemps
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.
110 50 100 200 500
Nombre de passage sur la ruche
0
3
6
9
12
15
Nombre de eurs apportées
sur la ruche
Générations
110 50 100 200 500
Une durée de 10 secondes pour
chaque génération
Objectif de la 1
ère
application :
Possèdant 10 neurones chacune, les abeilles doivent
rester le plus longtemps possible sur la ruche.
Résultat : Avec une durée de 10 secondes pour chaque
génération.
Objectif de la 2nde application :
Possédant 10 neurones chacune, les abeilles doivent prendre
une des fleurs sur le plan et l’apporter dans la ruche.
Plus loin : Même application avec 18 neurones.
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 indi-
vidu dont les gènes sont issus des deux parents
et une mutation à ne modifier qu’un seul gène.
back
left
right
front
| f
| f
| f
| f
| f
| f
| f
| f | f
| f
speed
angular
speed
| f
e
i
e
0
e
n
w
i
w
0
w
n
tanh(
w
i
e
i
)
Réseaux de neurones Neurone