Discussion :

[membreComplexe12]

Bonjour tous,

j'ai lu pas mal de chose sur le net sur les algorithmes evolutionnaires type CMA-ES mais je ne vois pas comment le mettre en place en pratique et j'espere que vous pourrais m'aider....

En faite sur le net on presente souvent le principe "en gros" mais on ne rentre pas dans les details et je ne sais donc pas comment mettre cela en place sur matlab..

==> Par exemple j'ai vu qu'il y avait une phase d'initialisation aléatoire (mais je ne sais pas trop qu'es ce qu'on initialise et comment?)

==> De meme pour les phases suivante tel que la comparaison, l'evolution...

je viens aussi de voir la FAQ qui est pas mal expliquée, je crois d'ailleurs un peu mieux mais je n'arriverai pas à le mettre en place dans un probleme de minimisation d'erreur.

=> Par exemple juste pour la premiere phase je bloque (sous matlab) comment tirer des nombres aux hasard? car sous maltab la commande rand permet de tirer des nombres au hasar entre 0 et 1 seulement.

=> Ensuite pour la phase de comparaison il faudrait que je vois trouve lesquels sont les plus proches de la solution mais comment le savoir puisque je ne connait pas la solution?
De plus si j'ai 100individus au depart comment je sais combien j'en garde apres la phase de comparaison?

=> generation de nouveaux individus: je compte utiliser la methode des rangs, je classe les individus dans l'ordre du meilleur au moins bon et apres je donne un coefficient à chaqu'un en fonction de leur position (comment bien choisir ce coeff?)

=>Pour la suite j'ai le meme type de question, car je n'arrive pas à mettre cela en place...

J'espere que vous pourrez m'expliquer comment on procede un peu plus dans les details et comment mettre cela en place sur matlab

Merci

[Bucketpc]

==> Par exemple j'ai vu qu'il y avait une phase d'initialisation aléatoire (mais je ne sais pas trop qu'es ce qu'on initialise et comment?)

ça veut dire que tu n'as pas lu assez sur le principe de fonctionnement, les algorithmes génétiques opèrent sur des populations de solutions et non pas sur une seule solution. Donc au début on doit définir l'ensemble initiale qui va être utiliser comme base pour générer de nouvelles solutions.

L'evaluation c'est comparer les solutions afin de déterminer le plus performantes, et donc de donner les chances de participations aux reproductions ( création de nouvelles solutions )

=> Par exemple juste pour la premiere phase je bloque (sous matlab) comment tirer des nombres aux hasard? car sous maltab la commande rand permet de tirer des nombres au hasar entre 0 et 1 seulement.

Il faut au moins maitriser l'outil que tu vas utiliser.

En gros, il va falloir lire davantage pour pouvoir implémenter la méthode.

[membreComplexe12]

ça veut dire que tu n'as pas lu assez sur le principe de fonctionnement, les algorithmes génétiques opèrent sur des populations de solutions et non pas sur une seule solution. Donc au début on doit définir l'ensemble initiale qui va être utiliser comme base pour générer de nouvelles solutions.

L'evaluation c'est comparer les solutions afin de déterminer le plus performantes, et donc de donner les chances de participations aux reproductions ( création de nouvelles solutions )



Il faut au moins maitriser l'outil que tu vas utiliser.

En gros, il va falloir lire davantage pour pouvoir implémenter la méthode.

tout d'abord merci beaucoup d'avoir repondu


en fait je ne comprends pas trop cette histoire de population de solution, pour moi il y en a qu'une qui m'interesse: le minimum de la fonction, donc je vois pas trop ce que ca veut dire....


Pour L'evaluation c'est comparer les solutions afin de déterminer le plus performantes, mais je ne comprends pas non plus comment les comparer (par rapport à quoi?)

[plegat]

Salut

en fait je ne comprends pas trop cette histoire de population de solution, pour moi il y en a qu'une qui m'interesse: le minimum de la fonction, donc je vois pas trop ce que ca veut dire....

Pour les algos génétiques, la méthode la plus simple est de réfléchir... comme un éleveur de vaches! Lait ou viande, c'est comme tu veux, mais pense à tes vaches. Perso je préfère penser en vache laitière, ça me rappelle mon pays. Le but du jeu, c'est d'avoir celle qui produit le plus de litres. Histoire de lui faire faire des petits qui produiront tout plein eux aussi, afin d'améliorer le cheptel, etc etc...

La solution, c'est de faire le max de litres, ok, mais ça tu ne peux pas le déterminer analytiquement. Donc tu pars d'un troupeau "aléatoire" (tu définis les gènes de tes individus - les vaches - au hasard pour le premier tour). Ensuite tu les évalues, tu les sélectionnes/tries/classes selon tes critères, tu les croises, tu fais des mutations... bref tous les outils classiques en AG, tu les évalues avec une fonction objectif que tu auras définie et tu boucles sur la génération suivante. Petit à petit, la meilleure vache va évoluer (ce qui ne veut pas dire que ce sera toujours la même hein...). Au final (nombre de générations max atteint, évolution insignifiante, ou autre critère d'arrêt), tu obtiendras une super vache qui sortira du lot... enfin, du troupeau... et que tu considèreras comme la solution de ton problème. Ca ne sera pas obligatoirement LA solution optimale, mais ça sera l'optimale de ton analyse. Rien ne t'empêche de lancer l'analyse sur plusieurs populations, et de prendre la meilleure de toutes, ou de sélectionner les meilleurs individus de chaque analyse pour lancer une super-analyse (en sachant que ça ne fonctionnera pas forcément mieux).

Pour L'evaluation c'est comparer les solutions afin de déterminer le plus performantes, mais je ne comprends pas non plus comment les comparer (par rapport à quoi?)

Tu les compares entre elles.
Il faut que tu trouves une fonction objectif (FO), qui va te servir à "noter" chacune des solutions. Par exemple, pour tes vaches, tu veux celle qui produit le plus de litres, mais qui mange le moins, et qui est le moins souvent malade. Tu peux définir une FO f=KL*nb_litres de lait-KF*kilos_de_fourrage-KM*médicaments. Il te faut définir les différents coefficients KL, KF et KM de manière à avoir une évaluation comme tu le souhaites (à tester et à adapter), et au final, tu auras pour chacune de tes vaches, une "note".

En espérant que ce soit un peu plus clair pour toi...

[membreComplexe12]

merci de ton aide, l'exemple des vache m'a pas mal aidé surtout la comparaison avec le critere (medicament, lait....etc)