Etude théorique de radars géologiques - Epublications - Université ...
Etude théorique de radars géologiques - Epublications - Université ...
Etude théorique de radars géologiques - Epublications - Université ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
150<br />
3.2 Introduction aux algorithmes génétiques<br />
3.2.a Qu'estceque l'algorithme génétique<br />
PARTIE III : INTERPRETATION DES ECHOS RADAR PROBLEME INVERSE<br />
L'algorithme génétique est une métho<strong>de</strong> d'optimisation globale mimant l'évolution naturelle<br />
<strong>de</strong>s espèces. Les algorithmes génétiques opèrent sur une population <strong>de</strong> solutions potentielles en<br />
appliquant le principe <strong>de</strong> survie <strong>de</strong>s individus les mieux adaptés afin <strong>de</strong> produire <strong>de</strong> meilleures<br />
approximations <strong>de</strong> la solution. A chaque génération, une nouvelle série d'approximations est<br />
générée à partir <strong>de</strong>s meilleurs individus euxmême sélectionnés d'après leur <strong>de</strong>gré d'adaptation au<br />
problème posé. Cette phase <strong>de</strong> reproduction s'inspire <strong>de</strong> la nature en mélangeant les caractères<br />
propres à chaque individu suivie d'une étape <strong>de</strong> mutations introduisant <strong>de</strong> nouveaux gènes dans la<br />
population. Ce procédé d'évolution conduit à une population mieux adaptée à son environnement<br />
que la population <strong>de</strong> laquelle elle est issue.<br />
Les individus (solutions potentielles) sont codés en chaînes (chromosomes) grâce à un<br />
alphabet <strong>de</strong> telle sorte que le génotype (valeurs <strong>de</strong>s chromosomes) reste cantonné à l'intérieur d'un<br />
domaine <strong>de</strong> décision. La représentation la plus communément employée dans les algorithmes<br />
génétiques utilise un alphabet binaire {0, 1} bien que les variables puissent également être codées<br />
par <strong>de</strong>s entiers ou <strong>de</strong>s réels. Par exemple, un problème à <strong>de</strong>ux variables (<strong>de</strong>ux gènes) x1 et x2 peut<br />
être codé par un chromosome <strong>de</strong> la façon suivante (voir figure 144) où x1 et x2 sont respectivement<br />
codés sur 11 et 15 bits. Le nombre <strong>de</strong> bits avec lesquels est codée une variable peut aussi bien<br />
refléter son intervalle <strong>de</strong> recherche que sa précision.<br />
01100011010 101110001110110<br />
x 1<br />
Figure 144 : Chromosome constitué <strong>de</strong> <strong>de</strong>ux gènes dans une représentation binaire<br />
L'évaluation <strong>de</strong>s performances d'un individu face au problème posé se fait grâce à la fonction<br />
objectif. Dans la nature, cela revient à déterminer la capacité d'un individu à survivre à son<br />
environnement. Une variable d'erreur est affectée à chaque individu, la probabilité que l'individu se<br />
reproduise est d'autant plus gran<strong>de</strong> que cet individu est adapté. Ainsi la fonction objectif établit<br />
l'ensemble <strong>de</strong>s individus qui pourront se reproduire.<br />
Une fois que les individus <strong>de</strong>stinés à la reproduction ont été sélectionnés, une série<br />
d'opérateurs génétiques manipulent les gènes.<br />
Un opérateur <strong>de</strong> recombinaison échange les gènes <strong>de</strong> <strong>de</strong>ux individus ou d'un ensemble<br />
d'individus. L'opérateur <strong>de</strong> recombinaison le plus simple est le singlepoint crossover (voir figure<br />
145). Soit <strong>de</strong>ux individus composés <strong>de</strong> N gènes, la coupure repérée par l'indice i∈[1, N1] peut<br />
avoir lieu avec la même probabilité entre <strong>de</strong>ux gènes contigus. Les gènes situés avant la coupure<br />
x 2