Table des matières - Gilles Daniel

292 Modélisation et simulation multi-agents pour Sciences de l'Homme et de la Société.
L’algorithme commence par générer une population initiale de chromosomes, de
façon aléatoire ou heuristique (initialisation). Ceci fait :
– il évalue l’aptitude de chaque chromosome dans la population.
– il sélectionne les chromosomes les plus aptes.
– il reproduit une partie des chromosomes sélectionnés à l’identique ; et, pour la
partie restante :
– il applique les opérateurs génétiques, qui seront présentés ci-dessous, pour
créer de nouveaux chromosomes.
Cette procédure est répétée itérativement jusqu'à ce qu’un critère de fin soit
satisfait. L’algorithme peut être représenté sous la forme d’un pseudo code, où P(t)
est la population à l’itération t :
Begin
t = 0
Initialise P(t)
Evalue P(t)
Si {t, P(t)} ne satisfait pas le critère de fin
Begin
t = t +1
sélectionne P(t) de P(t-1)
applique les opérateurs génétiques à des éléments de P(t)
évalue P(t)
end
end.
Plus spécifiquement, la sélection choisit parmi les chromosomes présents dans la
population courante ceux qui auront des descendants. De nombreuses procédures de
sélection sont utilisées en pratique, une des plus simples étant celle de la sélection
proportionnelle à l’aptitude, plus connue sous le nom de roulette wheel selection.
Avec ce mécanisme, on remplace la population courante de N chromosomes par la
population de même taille obtenue par une succession de N tirages aléatoires avec
remplacement dans la population originale. A chaque tirage, la probabilité π i qu’un
chromosome i soit sélectionné est choisie égale à son aptitude relative :
N
π i =F i /∑ F j
j=1
[13.1]