Thèse soutenue

Étude sur la performance des algorithmes génétiques appliqués à une classe de problèmes d'optimisation
FR
Accès à la thèse
Auteur / Autrice : Laure Rigal
Direction : Laurent Truffet
Type : Thèse de doctorat
Discipline(s) : Automatique et informatique appliquée
Date : Soutenance en 2005
Etablissement(s) : Nantes
Ecole(s) doctorale(s) : École doctorale sciences et technologies de l'information et des matériaux (Nantes)

Mots clés

FR

Mots clés contrôlés

Résumé

FR  |  
EN

L'algorithme génétique (AG) est un algorithme qui imite le processus de la sélection naturelle de Darwin. Il est souvent utilisé comme outil d'optimisation. L'AG génère successivement des populations d'individus. Les individus représentent des solutions potentielles du problème d'optimisation. Pour générer des populations successives l'AG utilise trois opérateurs stochastiques : mutation, croisement, sélection. L'AG est un outil d'optimisation complexe. En effet il faut régler différents paramètres (la probabilité de mutation, la probabilité de croisement, la pression sélective, la taille de la population. . . ) qui interagissent entre eux. Très peu de résultats théoriques mesurent l'impact du contrôle de différents paramètres sur la performance d'un AG. La théorie des perturbations (développée par Freidlin et Wentzell dans Random perturbations of dynamical systems) permet de déterminer des contrôles ``adéquats'' de différents paramètres de l'AG. Dans cette thèse, nous utilisons et mettons au point des techniques de contrôle de paramètres d'AGs via la théorie des perturbations.