Les mondes darwiniens

1029 / 1576
[m a r c schoenauer / les algor ith m es évolution nai r es]
4.3 Programmation évolutionnaire
La programmation évolutionnaire (EP, pour Evolutionary Programming) a
été imaginée par L.J. Fogel et ses coauteurs15 dans les années 1960, et reprise
par son fils D.B. Fogel16 dans les années 1990. Mise au point initialement pour
la découverte d’automates à états finis pour l’approximation de séries temporelles,
l’EP a rapidement été généralisée à des espaces de recherche très
variés. Les opérateurs de sélection utilisés ressemblent beaucoup à ceux des
stratégies d’évolution – quoique développés complètement indépendamment
– avec toutefois l’utilisation fréquente d’une sélection des survivants plus stochastique
que déterministe (les plus mauvais ont tout de même une – petite
– chance de survie).
4.4 Programmation génétique
La programmation génétique (GP, pour Genetic Programming) a été amenée
à maturité par J. Koza17 . Apparue initialement comme sous-domaine des
AG18 , la PG est devenu une branche à part entière. La spécificité de la GP est
l’espace de recherche, un espace de programmes le plus souvent représentés
sous forme d’arbres. La PG cherche (et réussit parfois !) à atteindre un des
vieux rêves des programmeurs, « écrire le programme qui écrit le programme ».
Les opérateurs de sélection utilisés sont issus du domaine des AG, mais avec
des tailles de population énormes. En particulier, les premiers travaux de Koza
n’utilisaient pas de mutation (la taille de la population devant pallier la perte
de diversité trop rapide). En PG, les tendance récentes sont… la parallélisation
systématique et sur de grosses grappes de stations. Plus généralement, les
résultats récents les plus spectaculaires obtenus par J. Koza l’ont été avec des
populations de plusieurs centaines de milliers d’individus, utilisant des grappes
de plusieurs centaines d’ordinateurs.
15. Fogel et al. (1966), Artificial Intelligence through Simulated Evolution, John Wiley.
16. Fogel (1995), Evolutionary Computation. Toward a New Philosophy of Machine
Intelligence, IEEE Press @.
17. Koza (1992), Genetic Programming : On the Programming of Computers by means
of Natural Evolution, MIT Press @. Koza (1994), Genetic Programming II : Automatic
Discovery of Reusable Programs, MIT Press @.
18. Cramer (1985), “A representation for the adaptive generation of simple sequential
programs”, in Grefenstette (ed.), Proceedings of the 1st International Conference
on Genetic Algorithms, Laurence Erlbaum Associates.