| Titre : | Résoudre le problème de régression symbolique par la programmation génétique. |
| Auteurs : | Mohammed Elghazali Achach, Auteur ; Tarek Ababsa, Directeur de thèse |
| Type de document : | Monographie imprimée |
| Editeur : | Biskra [Algérie] : Faculté des Sciences Exactes et des Sciences de la Nature et de la Vie, Université Mohamed Khider, 2019 |
| Format : | 1 vol. (50 p.) / ill. / 29 cm |
| Langues: | Français |
| Résumé : |
Notre projet c'est utiliser la programmation génétique pour résoudre un problème de ré-gression symbolique La programmation génétique est un paradigme de programmation automatique motivé par l'évolution biologique des espèces. Cette méthode génère une succession des hypothèses par une répétition de croisement et de mutation sur des segments de codes aléatoires pour le but de trouver la meilleure solution possible pour le problème visé. Dans ce travail on s'intéresse au problème de la régression symbolique. Le problème consiste à trouver la relation entre des "inputs" et des "outputs" en appliquant une sorte d'apprentissage supervisé pour trouver la formule "rapprochée" qui maitrise le mieux cette relation. Dans le premier chapitre nous avons présenté des généralités sur les algorithmes évolution-naires, le cycle de vie d'un algorithme évolutionnaire, les domaines d'applications, la famille des algorithmes évolutionnaires. Après, nous nous sommes focalisés sur la programmation gé-nétique, les opérations génétiques et les phases d'un programme génétique. Dans le deuxième chapitre-nous il donne un vu sur la programmation génétique linéaire, en suite en parle sur la problème de régression symbolique. Dans la troisième chapitre avons présenté les détaille de conception avec les techniques pour l'implémentation de la programmation génétique pour résoudre le problème. Dans le troisième chapitre nous avons fait des études expérimentales sur notre programme génétique , ensuit analyser les résultat obtenue. |
| Sommaire : |
Introduction générale 1 1 Programmation génétique 3 1 Introduction 3 2 Les algorithmes évolutionnaires 3 2.1 Définition 3 2.2 Historique 4 2.3 L'inspiration darwinienne 5 2.4 Les principales familles des algorithmes évolutionnaires 6 2.4.1 Algorithmes génétiques (GA) 6 2.4.2 Stratégies d'évolution (ES) 6 2.4.3 Programmation évolutionnaire 6 2.5 Les schémas d'évolution (moteurs d'évolution) 2.5.1 Schéma algorithme génétique générationnel (GGA) 7 2.5.2 Schéma algorithme génétique stationnaire (Steady-state GA SSGA) 7 2.5.3 Schémas stratégies d'évolution (ES) 7 2.6 Les domaines d'application 7 3 l'objectif de travaille 8 4 Programmation génétique (GP) 8 4.1 Définition 8 4.2 Historique 9 4.3 Principe 10 4.4 Principe de base 10 4.5 Les étapes préparatoires de la programmation génétique 11 4.6 Terminologie et notations 12 4.7 Les phases de la programmation génétique 13 4.7.1 Schéma représente les phases de programmation génétique 13 4.8 Création de la population initiale 13 4.9 Fitness 15 4.10 Les opérateurs 16 4.10.1 L'opérateur de sélection 16 4.10.2 Les opérateurs génétiques 17 4.10.3 L'opérateur de remplacement 19 4.11 Avantages et inconvénients de la programmation génétique 19 5 Application de la programmation génétique 20 6 Conclusion 20 2 Programmation génétique linéaire 22 1 Introduction 22 2 La programmation génétique linéaire 22 2.1 Définition 22 2.2 Les atomes de la programmation génétique linéaire 24 2.3 Programmes linéaire génétique programme (LGP) 24 2.3.1 Exemples d'opérateurs LGP typiques 24 2.4 Exactitude sémantique des programmes LGP 25 2.5 Chromosomes LGP 25 2.6 Codage LGP 26 2.7 Évaluation du chromosome LGP 26 2.8 Opérateurs évolutifs chez LGP 27 3 Le problème de régression symbolique 28 4 Conclusion 29 3 Conception 30 1 Introduction 30 2 Problématique 30 3 Solution proposée 30 4 Structures de données utilisées 31 4.1 Les tableaux 31 4.2 les Matrices 31 4.2.1 Quelques outils concernant les matrices 31 4.2.1.1 Matrices comme tableaux 31 4.2.1.2 Matrices avec linalg 31 5 La représentation d'un chromosome 32 6 Les classes utilisées 34 6.1 Class sélection 34 6.2 Class mutation 35 6.3 Class croisement 38 6.4 Class chromosome 42 4 Résultats 44 1 Introduction 44 2 Le langage utilisé 44 3 Le logiciel utilisé 45 4 Résultat 45 5 Conclusion 47 Conclusion générale 48 Bibliographie 50 |
| Type de document : | Mémoire master |
Disponibilité (1)
| Cote | Support | Localisation | Statut |
|---|---|---|---|
| MINF/504 | Mémoire master | bibliothèque sciences exactes | Consultable |
