WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Algorithmes évolutionnaires dans les systèmes de parole

( Télécharger le fichier original )
par Mohamed Oulmahdi
Université Aberrahmane Mira de BéjaàŻa Algérie - Master recherche informatique 2011
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.5.2 Sélection par rang

La sélection par roulette présente des inconvénients lorsque la valeur d'évaluation des individus varie énormément. La sélection par rang trie d'abord la population par évaluation. Ensuite, chaque individu se voit associé un rang en fonction de sa position. Ainsi le plus mauvais individu aura le rang 1, le suivant 2, et ainsi de suite jusqu'au meilleur individu qui aura le rang N, pour une population de N individus. La sélection par rang d'un individu est identique à la sélection par roulette, mais les proportions sont en relation avec le rang plutôt qu'avec la valeur de l'évaluation. Avec cette méthode de sélection, tous les individus ont une chance d'être sélectionnés. Cependant, elle conduit à une convergence plus lente vers la bonne solution. Ceci est du au fait que les meilleurs individus ne diffèrent pas énormément des plus mauvais.

2.5.3 Sélection steady-state

Le principe de base consiste à garder une grande partie de la population à la génération suivante. A chaque génération sont sélectionnés quelques individus, parmi ceux qui ont les meilleures évaluations, pour créer un ensemble d'individus enfants. Les individus ayant les évaluations les plus faibles sont ensuite remplacés par les nouveaux. Le reste de la population survit à la nouvelle génération.

2.5.4 Sélection par tournoi

Soit une population de m individus. On forme m paires d'individus. Ensuite, il faut déterminer un nouveau paramètre, à savoir la probabilité de victoire du plus fort. Cette probabilité représente la chance que le meilleur individu de chaque paire soit selectionné. En principe cette probabilité doit être grande. A partir des m paires, on détermine ainsi m individus pour la reproduction.

2.5.5 Elitisme

A la création d'une nouvelle population, il y a de grandes chances que les meilleurs individus soient modifiés, et donc perdus après les opérations de reproduction. Pour éviter cela, on utilise la méthode élitiste. Elle consiste à copier un ou plusieurs des

meilleurs individus dans la nouvelle génération. Ensuite, on génère le reste de la population selon l'algorithme de reproduction usuel. Cette méthode permet de ne pas perdre les meilleures solutions.

2.5.6 Sélection de seuil

La sélection de seuil ou sélection déterministe (truncation selection), sélectionne un nombre d'individus inférieur à la taille de la population supposée après sélection. Si la taille de la population après sélection est s, alors la sélection de seuil choisi un nombre k < s (généralement s/2 ou s/3) des meilleurs individus et les insert autant de fois que nécessaire pour que la taille maximale de la population soit atteinte. La sélection de seuil est principalement utilisée dans les stratégies d'évolution de type (u, A)-ES ou (u+ A)-ES. Récemment, lassig et al.[?] a démontré que la sélection de seuil est la stratégie de sélection optimale pour le croisement, pourvu que la valeur de k soit judicieusement choisie.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon