Professeur référent : Studer Philippe

Elèves :Freire Carvalho EmanuelOzenne Antoine

école nationale supérieure d’ingénieurssud alsace2

Algorithmes Génétiques et Réseaux de Neurones“Smart Bees”

Objectif Général :Appliquer un algorithme génétique sur un ensemble d’individus, chacun étant muni d’un réseau de neu-

rones afin qu’ils puissent remplir un objectif.

0

5

10

15

20

25

Générations

Génération >=200 : moins de passage, mais les abeilles y restent plus longtemps

Remarque : Lorsque le nombre de générations devient très élevé les résultats ont tendance à se dégrader.

Les abeilles sur-apprennent et oublient peu à peu leur bon comportement.

1 10 50 100 200 500

Nombre de passage sur la ruche

0

3

6

9

12

15

Nombre de �eurs apportées sur la ruche

Générations

1 10 50 100 200 500

Une durée de 10 secondes pour chaque génération

Objectif de la 1ère application :Possèdant 10 neurones chacune, les abeilles doivent rester le plus longtemps possible sur la ruche.

Résultat : Avec une durée de 10 secondes pour chaque génération.

Objectif de la 2nde application :Possédant 10 neurones chacune, les abeilles doivent prendre une des fleurs sur le plan et l’apporter dans la ruche.

Plus loin : Même application avec 18 neurones.

Principe de l’algorithme génétique :◾ A chaque génération, l’algorithme génétique garde 1/3 des meilleurs individus, effectue des croisements entre ceux-ci et les autres et enfin des mutations pour les individus restants.◾ Les gènes étant représentés par les poids wi, un croisement consiste à générer un nouvel indi-vidu dont les gènes sont issus des deux parents et une mutation à ne modifier qu’un seul gène.

back

left

right

front

| f

| f

| f

| f

| f

| f

| f

| f | f

| f

speed

angular speed

| fe i

e 0

e n

w i

w 0

w n

tanh( wiei )

Réseaux de neurones Neurone