Return to search

Homologie en Programmation Génétique<br />Application à la résolution d'un problème inverse

Les Algorithmes Évolutionnaires (AE) sont des méthodes de recherche par itération de sélections et de variations aléatoires sur une population de solutions potentielles. <br />La Programmation Génétique (PG) est un AE qui permet la recherche automatique de programmes et qui manipule des représentations complexes : arbres (PGA) ou listes de longueur variables (PGL). <br />Les variations aléatoires permettant de créer de nouveaux programmes peuvent être des modifications locales (mutations) ou des recombinaisons de programmes (croisements). <br />L'opérateur de croisement recombine aléatoirement des sous-parties de programmes sans tenir compte du contexte : c'est une opération «brutale» qui est une des causes supposées de la croissance incontrôlée de la taille des programmes. <br />Inspirés par la recombinaison homologue de l'ADN, nous définissons, le Croisement par Maximum d'Homologie (CMH) pour la PGL. <br />A partir d'une mesure de similarité entre les expressions à recombiner, le CMH favorise les échanges qui respectent les structures communes préexistantes. <br />La capacité du CMH à effectuer une recherche moins brutale et à permettre un contrôle précis de la taille des programmes est mise en évidence sur des problèmes classiques de PG comme l'approximation de fonctions par régression symbolique. <br />En partant des différents résultats obtenus, nous appliquons notre méthode à la résolution d'un problème réel : l'inversion des composantes atmosphériques. De plus, nous montrons comment, à coût constant, il est possible de rechercher des combinaisons de modèles inverses dont les performances sont supérieures aux modèles standards.

Identiferoai:union.ndltd.org:CCSD/oai:tel.archives-ouvertes.fr:tel-00131993
Date19 November 2004
CreatorsDefoin Platel, Michael
PublisherUniversité de Nice Sophia-Antipolis
Source SetsCCSD theses-EN-ligne, France
LanguageFrench
Detected LanguageFrench
TypePhD thesis

Page generated in 0.0022 seconds