Algorithme évolutionniste

Domaine

Intelligence artificielle
Apprentissage automatique
Apprentissage profond

Définition

Famille d’algorithmes stochastiques qui s'inspirent du processus de sélection naturelle darwinien dans lequel les membres les moins adaptés de la population sont éliminés, tandis que les membres adaptés sont autorisés à survivre et à continuer jusqu'à ce que de meilleures solutions soient déterminées.

Notes

Ces algorithmes sont utilisés pour résoudre des problèmes qui prendraient beaucoup trop de temps à être traité de manière exhaustive. Lorsqu'ils sont utilisés seuls, ils sont généralement appliqués à des problèmes combinatoires. Ils sont cependant souvent utilisés en tandem avec un second algorithme en ayant comme fonction de trouver rapidement un point de départ optimisé pour ce dernier.

Français

algorithme évolutionnaire

Anglais

evolutionary algorithm

In artificial intelligence, an evolutionary algorithm (EA) is a subset of evolutionary computation, a generic population-based metaheuristic optimization algorithm. An EA uses mechanisms inspired by biological evolution, such as reproduction, mutation, recombination, and selection. Candidate solutions to the optimization problem play the role of individuals in a population, and the fitness function determines the quality of the solutions (see also loss function). Evolution of the population then takes place after the repeated application of the above operators.

Evolutionary algorithms often perform well approximating solutions to all types of problems because they ideally do not make any assumption about the underlying fitness landscape. Techniques from evolutionary algorithms applied to the modeling of biological evolution are generally limited to explorations of microevolutionary processes and planning models based upon cellular processes. In most real applications of EAs, computational complexity is a prohibiting factor. In fact, this computational complexity is due to fitness function evaluation. Fitness approximation is one of the solutions to overcome this difficulty. However, seemingly simple EA can solve often complex problems; therefore, there may be no direct link between algorithm complexity and problem complexity.