'L'ordinateur génétique' de Jean-Louis Dessalles


	L'ordinateur génétique

Caractéristiques
Quatrième de couverture
Avant-Propos
Sommaire
Acheter ce livre

Caractéristiques

Auteur : Jean-Louis Dessalles
Publication : 1996
Editeur : Hermes
ISBN : 2-86601-538-X
Nombre de pages : 145
Prix : 19,00 Euros

4ème de couverture

Améliorer l'aérodynamique d'une voiture, gérer un portefeuille boursier, aiguiller des messages dans un commutateur téléphonique, tous ces problèmes techniques peuvent être résolus d'une manière biologique ! Depuis des millions d'années, la nature résout des problèmes très variés (locomotion, perception, protection, camouflage,...) en utilisant toujours la même « méthode » : les variations génétiques et l'évolution par sélection. Les algorithmes génétiques résultent de la transposition informatique de la génétique et de l'évolution naturelles. Le fonctionnement d'un algorithme génétique est assez impressionnant, car la mécanique évolutive est presque aveugle. Partant de rien, ne sachant que comparer les solutions entre elles, elle conduit très souvent à la découverte d'excellentes solutions. Les algorithmes génétiques sont un défi à notre intelligence : nous ne sommes pas habitués à penser en termes d'évolution. Ce livre a pour objectif de mettre en lumière leur fonctionnement et de montrer comment on peut résoudre des problèmes technologiques en créant une évolution artificielle dans la mémoire de l'ordinateur, qui devient ainsi un ordinateur génétique. En retour, la maîtrise de cette évolution artificielle nous offre une meilleure compréhension des principes de l'évolution naturelle.

L'auteur

Jean-Louis Dessalles est enseignant-chercheur au département d'informatique et de sciences cognitives de l'ENST (École Nationale Supérieure des Télécommunications). Il étudie les^ aspects cognitifs de la communication et la stabilité évolutive des systèmes communiquants.

Avant-Propos

Les algorithmes génétiques ont été inventés dans les années soixante. Depuis la fin des années quatre-vingt, ils sont devenus une technique « à la mode ». On les trouve dans de nombreuses applications industrielles où ils sont utilisés par exemple pour calculer la forme d'une aile d'avion, pour améliorer l'allocation de circuits dans un commutateur téléphonique, pour diagnostiquer des pannes complexes, pour traiter des images médicales, pour prendre la décision d'accorder un crédit bancaire, pour gérer un portefeuille d'actions, ou encore pour déterminer un réseau optimal de points de vente. Les algorithmes génétiques sont utilisés également dans le domaine de la recherche scientifique. Par exemple en chimie, pour reconstituer des agencements moléculaires à partir de la connaissance des liaisons entre atomes ; en biologie, pour la détermination de la configuration tridimensionnelle des protéines, ou pour retrouver l'ordre correct de fragments d'ADN qui ont pu être déchiffrés ; en informatique pour améliorer l'interrogation de bases de données, pour allouer les tâches entre processeurs, pour reconnaître des formes dans une image, ou pour la conception de systèmes évolutifs artificiels.

Pourtant, bien qu'ils constituent une technique très générale qui semble facile à mettre en œuvre dans des situations très diverses, les algorithmes génétiques restent souvent mal compris. Certes, le principe sur lequel ils reposent est simple en apparence : pour traiter un problème donné, par exemple l'évaluation d'un risque financier, on laisse évoluer dans la mémoire de l'ordinateur une centaine de tentatives de solutions, en l'occurrence des modes de calcul du risque. En comparant les performances de ces tentatives sur des cas connus, on sélectionne les meilleures et on les croise entre elles, un peu comme on sélectionne une race bovine pour obtenir une meilleure qualité de viande. Par ce système, on finit assez souvent par obtenir des solutions excellentes. Comment ne pas être impressionné à la fois par la simplicité de la technique et par son comportement efficace dans des problèmes extrêmement divers ! Le mécanisme utilisé, l'évolution par sélection, est simple, il trouve de bonnes solutions, et il est général. Mais de nombreuses questions restent en suspens : quels sont les problèmes qui peuvent être traités avec les algorithmes génétiques, quelle est la qualité globale des solutions obtenues, ne pouvait-on les obtenir plus rapidement et avec moins de mémoire ? Ces questions représentent à la fois un enjeu pratique, lorsque des décisions importantes dépendent du résultat de l'algorithme, et un enjeu théorique, si l'on veut savoir jusqu'où on peut aller avec ces systèmes d'évolution artificielle. Trop souvent, ces questions sont abordées de manière seulement empirique, sans compréhension claire des phénomènes mis en jeu. On peut même dire, au-delà des ces problèmes d'efficacité, que les algorithmes génétiques sont un défi à notre intelligence : nous ne sommes pas habitués à penser en termes d'évolution, et c'est pour cela que les algorithmes génétiques, au-delà de leur aspect un peu « magique », restent assez déroutants.

Ce livre a pour objet d'introduire les concepts fondamentaux sur lesquels reposent les algorithmes génétiques. Ces concepts proviennent de la génétique naturelle et de la théorie de l'évolution des êtres vivants. Il ne s'agit pas ici d'envisager les innombrables applications des algorithmes génétiques, ni de comparer empiriquement cette technique, avec tous les raffinements qui ont pu lui être apportés, à d'autres techniques d'optimisation. Il s'agit plutôt de comprendre la raison d'être de chacune des composantes d'un algorithme génétique : le code génétique, le phénotype, l'évaluation, la sélection, le croisement génétique, les mutations, etc. et leur rôle dans la découverte de bonnes solutions.

Comprendre une mécanique évolutive artificielle dont on maîtrise totalement les paramètres permet en retour de poser des questions passionnantes sur le rôle des mêmes composantes dans le monde vivant. L'origine des équilibres ponctués, la question de l'unité sur laquelle porte la sélection : population, groupe, individu ou gène, la non-hérédité des caractères acquis, la mesure de l'aptitude et sa corrélation avec le succès reproductif, toutes ces questions se posent aussi bien dans le cadre des algorithmes génétiques qu'en biologie. Ce que nous offrent les algorithmes génétiques, c'est un moyen indépendant de motiver ces aspects fondamentaux de l'organisation du vivant. Bien entendu, la convergence entre cette génétique artificielle et son modèle naturel n'est pas parfaite : par exemple, la différenciation sexuelle ou la diploïdie ne semblent pas, jusque là, présenter d'intérêt majeur en génétique artificielle. Il semble cependant que la nature soit bien organisée et que les principes fondamentaux qui permettent à une espèce vivante de survivre et de s'adapter soient directement transposables lorsqu'il s'agit de résoudre des problèmes qui relèvent de la science ou de l'ingénierie.

Ce livre n'existerait pas sans la détermination et l'enthousiasme scientifique d'Eric Bonabeau qui contribue par son action à promouvoir en France le domaine nouveau de la vie artificielle, des systèmes complexes et de l'intelligence collective. Je le remercie pour sa confiance, ainsi que pour ses conseils détaillés. Cette présentation des systèmes génétiques artificiels doit beaucoup à la lecture critique et aux remarques très judicieuses d'Olivier Hudry et d'Irène Charon. Qu'ils en soient chaleureusement remerciés. Ma reconnaissance s'adresse aussi aux étudiants de l'École Nationale Supérieure des Télécommunications qui, à travers les années, ont contribué par leurs travaux de simulation à améliorer notre compréhension de l'évolution artificielle. Je tiens également à remercier Régine de la Tour dont les conseils ont été les bienvenus.

Sommaire

Avant-Propos 7

Chapitre 1. Programme génétique et programme informatique 9

     1.1. Un ordinateur pourra-t-il nous surprendre ? 9

     1.2. Si la nature fait bien les choses, pourquoi ne pas l'imiter ? 10

     1.3. Laisser la machine découvrir la solution du problème 11

     1.4. Des individus programmés... génétiquement 13

     1.5. Au-delà des problèmes bien posés

Chapitre 2. Laisser faire la nature 21

     2.1. Tel père, tel fils : les systèmes cumulatifs à mémoire sélective 21

     2.2. Darwin contre Lamarck : le hasard fait bien les choses 23

     2.3. Sélection naturelle et sélection virtuelle 25

     2.4. Des gènes à l'évaluation : le phénotype, l'inné et l'acquis 28

Chapitre 3. Le schéma égoïste 33

     3.1. L'évolution des gènes 33

     3.2. Le gène comme unité de sélection 39

     3.3. Trouver la bonne unité de sélection 42

     3.4. Le schéma comme unité de sélection 47

     3.5. Le schéma gagnant est une contrainte génétique 52

Chapitre 4. La puissance du croisement génétique 57

     4.1. L'impossibilité d'un monde biologique sans échange génétique 57

     4.2. Le sexe est-il évolutivement instable 1 61

     4.3. La force du croisement génétique 68

Chapitre 5. Le fonctionnement d'un algorithme génétique 73

     5.1. La génétique artificielle 73

        5.1.1. Le codage « par paramètres » du problème 73

        5.1.2. Un croisement aveugle aux gènes

        5.1.3. Génétique naturelle et génétique artificielle 77

     5.2. Faire vivre une population artificielle 79

        5.2.1. La formation des couples 79

        5.2.2. La fécondité artificielle 81

        5.2.3. La démographie artificielle 82

     5.3. La convergence et les dangers de la pureté 84

        5.3.1. La perte d'allèles 84

        5.3.2. L'écologie artificielle 86

Chapitre 6. Le parallélisme implicite 91

     6.1. L'hypothèse des briques élémentaires 91

     6.2. Des schémas libérés, traités en parallèle 95

     6.3. Le parallélisme implicite dans la nature 100

     6.4. Les équilibres ponctués 103

Chapitre 7. Évolution et optimalité 109

     7.1. Est-ce le plus apte qui survit ? 109

     7.2. L'aptitude des schémas 111

     7.3. Quand l'aptitude dépend du contexte 113

     7.4. L'aptitude insulaire 114

     7.5. L'Eve virtuelle 117

     7.6. Découvrir un sommet par une méthode quasi continue 118

Chapitre 8. Les algorithmes biomimétiques 123

     8.1. L'évolution de la communication 124

     8.2. Des algorithmes génétiques pour explorer 130

        8.2.1. Au-delà de la redistribution des allèles 130

        8.2.2. Codage complexe et puissance d'exploration 131

        8.2.3. Codage complexe et quasi-continuité 132

     8.3. Où s'arrête le biomimétisme ? 133

        8.3.1. La question du sexe 133

        8.3.2. Ladiploïdie 134

        8.3.3. Vers un code non positionnel 135

     8.4. Métagénétique artificielle et création 137

     8.5. Pour conclure 140

Index 143

Acheter ce livre

Vous pouvez commander ce livre chez Amazon en cliquant sur un de ces liens :
Acheter "L'ordinateur génétique" sur Amazon.fr (en France)
ou
Acheter "L'ordinateur génétique" sur Amazon.ca (au Québec)

Haut de la page Bibliographie Itinéraire de lectures Sommaire du site

Votez pour ce site au Weborama

Avant-Propos	7

Chapitre 1. Programme génétique et programme informatique	9
1.1. Un ordinateur pourra-t-il nous surprendre ?	9
1.2. Si la nature fait bien les choses, pourquoi ne pas l'imiter ?	10
1.3. Laisser la machine découvrir la solution du problème	11
1.4. Des individus programmés... génétiquement	13
1.5. Au-delà des problèmes bien posés

Chapitre 2. Laisser faire la nature	21
2.1. Tel père, tel fils : les systèmes cumulatifs à mémoire sélective	21
2.2. Darwin contre Lamarck : le hasard fait bien les choses	23
2.3. Sélection naturelle et sélection virtuelle	25
2.4. Des gènes à l'évaluation : le phénotype, l'inné et l'acquis	28

Chapitre 3. Le schéma égoïste	33
3.1. L'évolution des gènes	33
3.2. Le gène comme unité de sélection	39
3.3. Trouver la bonne unité de sélection	42
3.4. Le schéma comme unité de sélection	47
3.5. Le schéma gagnant est une contrainte génétique	52

Chapitre 4. La puissance du croisement génétique	57
4.1. L'impossibilité d'un monde biologique sans échange génétique	57
4.2. Le sexe est-il évolutivement instable 1	61
4.3. La force du croisement génétique	68

Chapitre 5. Le fonctionnement d'un algorithme génétique	73
5.1. La génétique artificielle	73
5.1.1. Le codage « par paramètres » du problème	73
5.1.2. Un croisement aveugle aux gènes
5.1.3. Génétique naturelle et génétique artificielle	77
5.2. Faire vivre une population artificielle	79
5.2.1. La formation des couples	79
5.2.2. La fécondité artificielle	81
5.2.3. La démographie artificielle	82
5.3. La convergence et les dangers de la pureté	84
5.3.1. La perte d'allèles	84
5.3.2. L'écologie artificielle	86

Chapitre 6. Le parallélisme implicite	91
6.1. L'hypothèse des briques élémentaires	91
6.2. Des schémas libérés, traités en parallèle	95
6.3. Le parallélisme implicite dans la nature	100
6.4. Les équilibres ponctués	103

Chapitre 7. Évolution et optimalité	109
7.1. Est-ce le plus apte qui survit ?	109
7.2. L'aptitude des schémas	111
7.3. Quand l'aptitude dépend du contexte	113
7.4. L'aptitude insulaire	114
7.5. L'Eve virtuelle	117
7.6. Découvrir un sommet par une méthode quasi continue	118

Chapitre 8. Les algorithmes biomimétiques	123
8.1. L'évolution de la communication	124
8.2. Des algorithmes génétiques pour explorer	130
8.2.1. Au-delà de la redistribution des allèles	130
8.2.2. Codage complexe et puissance d'exploration	131
8.2.3. Codage complexe et quasi-continuité	132
8.3. Où s'arrête le biomimétisme ?	133
8.3.1. La question du sexe	133
8.3.2. Ladiploïdie	134
8.3.3. Vers un code non positionnel	135
8.4. Métagénétique artificielle et création	137
8.5. Pour conclure	140

Index	143