1.2.3 Les techniques de calcul évolutif
(Evolutionary Computation)
Les techniques de calcul évolutif (EC)
représentent un ensemble de techniques. Ces techniques sont
regroupées en quatre grandes classes : les systèmes immunitaires
artificiels, l'intelligence collective, les algorithmes évolutifs et les
algorithmes culturels (figure 1.1).
1.2.3.1. Les systèmes immunitaires
artificiels
Les algorithmes basés sur les systèmes
immunitaires artificiels (AIS Artificial Immune Systems) ont été
conçus pour résoudre des problèmes aussi variés que
la robotique, la détection d'anomalies ou l'optimisation [De Castro et
Von Zuben, 1999], [De Castro et Von Zuben, 2000].
Le système immunitaire est responsable de la protection
de l'organisme contre les agressions d'organismes extérieurs. La
métaphore dont sont issus les algorithmes AIS mettent l'accent sur les
aspects d'apprentissage et de mémoire du système immunitaire dit
adaptatif. En effet, les cellules vivantes disposent sur leurs membranes de
molécules spécifiques dites antigènes. Chaque organisme
dispose ainsi d'une identité unique, déterminée par
l'ensemble des antigènes présents sur ses cellules. Les
lymphocytes (un type de globule blanc) sont des cellules du système
immunitaire qui possèdent des récepteurs capables de se lier
spécifiquement à un antigène unique, permettant ainsi de
reconnaître une cellule étrangère à l'organisme. Un
lymphocyte
ayant ainsi reconnu une cellule "étrangère" va
être stimulé à proliférer (en produisant des clones
de lui-même) et à se différencier en cellule permettant de
garder en mémoire l'antigène, ou de combattre les agressions.
Dans le premier cas, il sera capable de réagir plus rapidement à
une nouvelle attaque à l'antigène. Dans le second cas, le combat
contre les agressions est possible grâce à la production
d'anticorps. Il faut également noter que la diversité des
récepteurs dans l'ensemble de la population des lymphocytes est quant
à elle produite par un mécanisme d'hyper-mutation des cellules
clonées [Forrest et al., 1993], [Hofmeyr et Forrest, 1999].
L'approche utilisée dans les algorithmes AIS est
voisine de celle des algorithmes évolutionnaires, mais a
également été comparée à celle des
réseaux de neurones. On peut, dans le cadre de l'optimisation difficile,
considérer les AIS comme une forme d'algorithme évolutionnaire
présentant des opérateurs particuliers. Pour opérer la
sélection, on se fonde par exemple sur une mesure d'affinité
entre le récepteur d'un lymphocyte et un antigène; la mutation
s'opère quant à elle via un opérateur d'hypermutation
directement issu de la métaphore.
| 
