Discussion :

[mimi_14]

bonjour!
j'ai un projet qui consiste à optimiser le controleur flou "fuzzy-logic" par les algrithmes génétiques.
j'ai lu à prpos des AlGo génétiques.
mais pour l'optimisation, je nage un peu j'ai lu pas mal d'articles il disent qu' un chromosome c'est la tabe du controleur, apres j'ai pas trouvé comment créer la population ni comment faire la séléction?
ça reste ambigu pour moi, est ce que quelqu'n peut m'expliquer un peu plus?

[screetch]

la population est "aléatoire" au début
la selection consiste a avoir une évaluation d'un individu, pour faire simple c'est une fonction qui retourne la pertinence du candidat (a toi d'ecrire cette fonction)
la selection consiste ensuite a trier tous les individus, selectionner les plus pertinents, en dériver de nouveaux sur un modèle aléatoire de nouveau pour obtenir une nouvelle population

[mimi_14]

la population est "aléatoire" au début
la selection consiste a avoir une évaluation d'un individu, pour faire simple c'est une fonction qui retourne la pertinence du candidat (a toi d'ecrire cette fonction)
la selection consiste ensuite a trier tous les individus, selectionner les plus pertinents, en dériver de nouveaux sur un modèle aléatoire de nouveau pour obtenir une nouvelle population

oui je connais les étapes mais la chose que j'ai pas compris c'est de faire la liaison entre la logique floue et les algorithmes génétiques.
après c'est à moi de choisir la fonction d'adaptation et ce qui reste.

[alecool]

D'après ce que je peux interpréter du titre,tu tentes d'améliorer un contrôleur basé sur la logique floue en utilisant un algorithme génétique...?

Dans ce cas, un individu de la population est un contrôleur, qui serait caractérisé par les données qui permettent de le générer (les différents domaines de classification et leurs bornes, leur type de fonction, etc ).

J'imagine que tu as des contrôles des référence qui te permettent de voir si tes contrôleur contrôlent bien..?
(genre un jeu de données qui doivent donner tel résultat connu, qui te servira de base de test des contrôleurs générés)

Du coup, ton algo génétique donnerait un truc du genre:
1-Générer une population de contrôleur aléatoirement
2-Tester les contrôleurs
3-Sélectionner les meilleurs / fusionner / muter
4-Recommencer au 2

Enfin, là, c'est un peu flou ton sujet (et ma réponse du coup...).

[mimi_14]

D'après ce que je peux interpréter du titre,tu tentes d'améliorer un contrôleur basé sur la logique floue en utilisant un algorithme génétique...?

Dans ce cas, un individu de la population est un contrôleur, qui serait caractérisé par les données qui permettent de le générer (les différents domaines de classification et leurs bornes, leur type de fonction, etc ).

J'imagine que tu as des contrôles des référence qui te permettent de voir si tes contrôleur contrôlent bien..?
(genre un jeu de données qui doivent donner tel résultat connu, qui te servira de base de test des contrôleurs générés)

Du coup, ton algo génétique donnerait un truc du genre:
1-Générer une population de contrôleur aléatoirement
2-Tester les contrôleurs
3-Sélectionner les meilleurs / fusionner / muter
4-Recommencer au 2

Enfin, là, c'est un peu flou ton sujet (et ma réponse du coup...).

merci de votre réponse, oui vous avez raison; pour la première étape je génère ma population de controleurs aléatoirement (genre d'un tableau qui contient mes régles).
la question qui se pose comment faire l'évaluation de mes chromosomes( table de règles) en fonction de ma fonction d'adaptation?
est ce que je fais ma génération à chaque instant t+i (où i varie de 0 au nombre totale de générations)?
ma question se pose la.

[Alikendarfen]

Oui, c'est à chaque génération qu'il faut tester tes chromosomes et donc identifier les "bons sujets" à garder de ceux que tu dois éliminer.

Il faut cependant que ta fonction d'évaluation soit à même d'être exprimée... ce qui revient à dire qu'il te faut :
- soit une base de cas connus et réputés valides (des données issues d'un expert du domaine, par exemple).
- soit évaluer ton contrôleur dans le cadre d'une simulation à l'issue de laquelle tu pourras lui attribuer un score.

Dans le premier cas, ça revient presque à connaitre les résultats à l'avance.
Dans le second cas, les temps de calcul peuvent être très lourds.