| Titre : | Une approche basé algorithme génétique pour l’apprentissage d’un agent |
| Auteurs : | Asma Bendahmane, Auteur ; Okba Kazar, Directeur de thèse |
| Type de document : | Thése doctorat |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2011 |
| Format : | 1 vol. (93 p.) / 30 cm |
| Langues: | Français |
| Mots-clés: | Apprentissage artificiel,Algorithme génétique,Apprentissage par renforcement,Agent. |
| Résumé : |
L’agent est muni d’un ensemble de tâches à effectuer et il est appelé à les exécuter, cependant ses propres connaissances et compétences ne sont pas suffisantes, ou bien tellement son environnement est dynamique, il doit actualiser son état interne d’une façon permanente pour survivre et atteindre son but.L’apprentissage est alors, une caractéristique fondamentale afin que l’agent puisse augmenter ses connaissances et améliorer ses performances en utilisant ses expériences. L’une des techniques d’apprentissage est les algorithmes génétiques qui sont favorables dans tel domaine à cause de leurs caractéristiques.L’objectif de notre travail consiste à élaborer une architecture d’un agent capable d’apprendre en utilisant un algorithme génétique incorporé avec un mécanisme d’apprentissage par renforcement. |
| Sommaire : |
Introduction 1 1. Revue de la littérature 5 1.1 Théorie de l’apprentissage ....................................................................................... 6 1.1.1 Définition ................................................................................................... 6 1.1.2 Formulation d’apprentissage ..................................................................... 7 1.1.3 Caractéristiques d’apprentissage ............................................................... 7 1.1.4 Conditions d’apprentissage ....................................................................... 8 1.1.5 Classifications d’apprentissage automatique ............................................. 9 1.1.5.1 Selon les connaissances manipulées ................................................. 9 1.1.5.2 Selon le type d’information disponible ............................................. 9 1.1.5.3 Apprentissage non supervisé ............................................................ 10 1.1.5.4 Selon l’objectif attendu du processus d’apprentissage ................. 10 1.1.5.5 Selon la stratégie utilisée .................................................................. 10 1.1.6 Les paradigmes d’apprentissage .............................................................. 11 1.1.6.1 Les réseaux de neurones(RN) .......................................................... 11 1.1.6.2 Les arbres de décisions(AD) ............................................................ 12 1.1.6.3 les réseaux bayésiens(RB) ................................................................ 13 1.1.6.4 Les k-plus proches voisions(Kppv) ................................................. 14 1.1.6.5 les machines à vecteurs support (SVM) ......................................... 14 1.1.6.6 Les Modèles de Markov Cachées (MMC) ..................................... 15 1.1.6.7 Les algorithmes génétiques(AG) ..................................................... 15 1.1.6.7.1 Cycle de fonctionnement .................................................. 16 1.1.6.7.2 Opérateur génétique .......................................................... 17 1.1.7 Comparaison des techniques d’apprentissage ......................................... 18 1.2 Agent et système multi agents ............................................................................... 20 1.2.1 Concept agent .......................................................................................... 21 1.2.2 Apprentissage ou rationalité ? ................................................................. 21 1.2.3 Apprentissage ou adaptation ?................................................................. 22 1.2.4 Agent apprenant ...................................................................................... 23 1.2.5 Typologie des agents ............................................................................... 24 1.2.6 Système multi agents ............................................................................... 25 1.2.7 L’apprentissage chez les agents .............................................................. 26 1.2.7.1 Apprentissage mono agent ............................................................... 27 1.2.7.2 Apprentissage multi agents............................................................... 28 1.3 Apprentissage par AG ........................................................................................... 29 1.4 Apprentissage par renforcement (AR)................................................................... 31 1.5 Conclusion ............................................................................................................. 32 2. Conception du modèle d'un agent apprenant basé AG 34 2.1 Nécessité d’une approche d’apprentissage par algorithme génétique ................... 35 2.2 Architecture proposée ............................................................................................ 35 2.2.1 Module de communication ...................................................................... 36 2.2.2 Module de performance .......................................................................... 36 2.2.3 Module d’apprentissage .......................................................................... 36 2.2.3.1 Module de critique ............................................................................. 37 2.2.3.2 Moteur d’apprentissage ..................................................................... 39 2.3 Croisement adapté ................................................................................................. 41 2.3.1 Exemple illustratif ................................................................................... 42 2.4 Mutation adaptée ................................................................................................... 43 2.4.1 Exemple illustratif ................................................................................... 46 2.5 Fonctionnement global .......................................................................................... 46 2.6 L’algorithme génétique global adapté ................................................................... 49 2.7 Modélisation UML ................................................................................................ 49 2.7.1 Diagrammes des agents ........................................................................... 49 2.7.2 Diagrammes d’AG .................................................................................. 50 2.7.2.1 La classe gene..................................................................................... 51 2.7.2.2 La classe individu .............................................................................. 52 2.7.2.3 La classe population .......................................................................... 53 2.7.3 Diagrammes d'AR…...………..…………………………………………55 2.8 Conclusion ............................................................................................................. 57 3. Étude de cas 58 3.1 cadre du travail ...................................................................................................... 59 3.1.1 Structure des marchés financiers ............................................................. 59 3.1.1.1 Marchés financiers ............................................................................. 59 3.1.1.2 Action .................................................................................................. 59 3.1.1.3 Les acteurs du marché ....................................................................... 60 3.1.1.4 Les hypothèses d’un modèle de transmission par le prix ............. 61 3.1.2 Position du problème ............................................................................... 63 3.2 Description d’AG ................................................................................................. 64 3.2.1 Représentation des individus ................................................................... 64 3.2.2 Codage ..................................................................................................... 65 3.2.3 Sélection .................................................................................................. 65 3.2.4 Fonction du fitness .................................................................................. 65 3.2.5 Opérateur de mutation ............................................................................. 65 3.2.6 Paramètres d’AG .................................................................................... 66 3.2.6.1 Paramètres de la population ............................................................. 66 3.2.6.2 Paramètre des conditions d’arrêt ..................................................... 66 3.3 Implémentation d’AR ............................................................................................ 67 3.4 Conclusion ............................................................................................................. 68 4. Expérimentations et études de performance 69 4.1 Outils d’implémentation ........................................................................................ 70 4.1.1 Environnement logiciel ........................................................................... 70 4.1.2 La plateforme multi-agents Jade ............................................................. 71 4.2 Les interfaces du système ...................................................................................... 75 4.3 Conclusion ..................................................................................................... 83 Conclusion générale 84 Bibliographie 86 |
| En ligne : | http://thesis.univ-biskra.dz/id/eprint/853 |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| TINF/33 | Mémoire de magister | bibliothèque sciences exactes | Consultable |
