Skip to content

Archives

  • janvier 2022
  • décembre 2021
  • novembre 2021
  • octobre 2021
  • septembre 2021

Categories

  • Aucune catégorie
Trend RepositoryArticles and guides
Articles

Sélectionnez un site Web

On janvier 8, 2022 by admin

Qu’est-ce que l’algorithme génétique ?

L’algorithme génétique est une méthode de résolution des problèmes d’optimisation avec ou sans contraintes qui repose sur la sélection naturelle,le processus qui dirige l’évolution biologique. L’algorithme génétique modifie de manière répétée une population de solutions individuelles. À chaque étape, l’algorithme génétique sélectionne des individus au hasard dans la population actuelle comme parents et les utilise pour produire les enfants de la génération suivante. Au fil des générations successives, la population « évolue » vers une solution optimale. Vous pouvez appliquer l’algorithme génétique pour résoudre une variété de problèmes d’optimisation qui ne sont pas bien adaptés aux algorithmes d’optimisation standard, notamment les problèmes dans lesquels la fonction objectif est discontinue, non différentiable, stochastique ou hautement non linéaire. L’algorithme génétique peut traiter des problèmes de programmation mixte en nombres entiers, où certaines composantes sont restreintes à des valeurs entières.

L’algorithme génétique utilise trois principaux types de règles à chaque étape pour créer la prochaine génération à partir de la population actuelle :

  • Les règles de sélection sélectionnent les individus, appelés parents, qui contribuent à la population à la prochaine génération.

  • Les règles de croisement combinent deux parents pour former des enfants pour la génération suivante.

  • Les règles de mutation appliquent des changements aléatoires aux parents individuels pour former des enfants.

L’algorithme génétique diffère d’un algorithme d’optimisation classique, basé sur les dérivés, de deux façons principales, résumées dans le tableau suivant.

Algorithme classique Algorithme génétique

Génère un seul point à chaque itération. La séquence de points approche une solution optimale.

Génère une population de points à chaque itération. Le meilleur point de la population approche une solution optimale.

Sélectionne le prochain point de la séquence par un calcul déterministe.

Sélectionne la prochaine population par un calcul qui utilise des générateurs de nombres aléatoires.

Thèmes connexes

  • Terminologie des algorithmes génétiques
  • Comment fonctionne l’algorithme génétique
  • Algorithmes de résolution de contraintes non linéaires

.

Laisser un commentaire Annuler la réponse

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Archives

  • janvier 2022
  • décembre 2021
  • novembre 2021
  • octobre 2021
  • septembre 2021

Méta

  • Connexion
  • Flux des publications
  • Flux des commentaires
  • Site de WordPress-FR
  • DeutschDeutsch
  • NederlandsNederlands
  • SvenskaSvenska
  • DanskDansk
  • EspañolEspañol
  • FrançaisFrançais
  • PortuguêsPortuguês
  • ItalianoItaliano
  • RomânăRomână
  • PolskiPolski
  • ČeštinaČeština
  • MagyarMagyar
  • SuomiSuomi
  • 日本語日本語

Copyright Trend Repository 2022 | Theme by ThemeinProgress | Proudly powered by WordPress