ALGORITHMES EVOLUTIONNAIRES
ET APPLICATIONS EN SCIENCE DU VIVANT
Université Pierre et Marie Curie
Master de Sciences & Technologies
M2 Mathématiques & Applications
Parcours ANEDP ou MBIO
Laurent
Dumas
Ce cours présente différents types d'optimisation par
algorithmes évolutionnaires ainsi que leurs applications à
plusieurs problèmes en sciences du vivant ou en ingénierie.
PARTIE 1: EXEMPLES DE PROBLEMES D'OPTIMISATION ET PREMIERES
METHODES DE RESOLUTION
Mardi 19 Janvier 2010,
11h15-13h15 : 1.1 Quatre problèmes d'optimisation
1.1.1 Configuration d'une molécule d'énergie minimale
1.1.2
Construction d'une fibre optique aux propriétés optimales
1.1.3
Décodage d'une image de code barre floue et bruitée
1.1.4
Ecoulement sanguin dans les artères: un modèle optimal
Mardi 26 Janvier
2010, 11h15-13h15
: 1.2 Quelques rappels sur les méthodes de descente
1.3 Deux méthodes déterministes d'optimisation
sans gradient
1.3.1 Méthode de
Nelder Mead
1.3.2 Méthode de Torczon
Mardi 02 Février
2010, 11h15-13h15
: 1.4 Le recuit simulé
1.4.1 Principe. Exemple du problème du
voyageur de commerce
1.4.2 Rappels sur les chaînes de Markov
1.4.3
Résultats de convergence
1.4.4
Retour sur le problème de Lennard Jones
PARTIE 2: ALGORITHMES EVOLUTIONNAIRES: DESCRIPTION ET RESULTATS THEORIQUES
Mardi 09
Février 2010
, 11h15-13h15:
: 2.1 Algorithmes génétiques
2.1.1 Principe général
2.1.2
Algorithme historique
2.1.3
Quelques résultats théoriques
2.1.4
La famille des algorithmes génétiques
Mardi 16
Février 2010
, 11h15-13h15
: 2.1.5
Version multi-objectif
2.2 Stratégies d'évolution
2.2.1 Principe général
2.2.2 Adaptivité des paramètres endogènes
Mardi 02 Mars
2010, 11h15-13h15
2.2.2 (suite)
2.2.3 Un exemple de résultat de convergence
2.3 Particle Swarm Optimization
Mardi 09 Mars
2010, 11h15-13h15
2.4 Prise en compte des contraintes
2.4.1 Pénalité statique
2.4.2
Pénalité dynamique
2.4.3
Méthode ségrégationnelle
2.5 Un premier exemple d'application: restauration d'un code barre
2.5.1 Modèle mathématique
2.5.2
Méthode de résolution déterministe
2.5.3
Méthode
de résolution
évolutionnaire
PARTIE 3: AU DELA DES ALGORITHMES EVOLUTIONNAIRES
Mardi 16 Mars
2010, 11h15-13h15
3.1 Méthodes hybrides
3.2 Méthodes avec meta-modèles
3.2.1 Principe général
3.2.2 Exemple de l'approximation par modèle
RBF
Mardi 30 Mars
2010, 11h15-13h15
3.2.3 Exemple de l'approximation
par modèle de krigeage
3.3 Optimisation robuste
PARTIE 4: EXEMPLE DE MISE EN OEUVRE EN SCIENCES DU VIVANT (avec projet
associé)
Jeudi 6 Avril 2010,
9h-12h:
4.1 Simulation de l'écoulement
sanguin dans les artères
4.2 Résolution du
problème direct
Vendredi 7 Avril
2010, 9h-12h:
4.3 Résolution du problème inverse
Mardi 4 Mai 2010
, 11h15-13h15
4.4 Discussions
Références pour le projet:
"
One dimensional models for blood flow in arteries
", Formaggia et al, Journal of Engineering Mathematics, 2003
"
Parameter identification for a one dimensional blood flow model
", Martin et al, ESAIM Proc., 2005
"
Surrogate-based analysis and optimization
", Queipo et al, Progress in Aerospace Engineering, 2005
Problème direct:
programme Scilab
Fichier de données pour le problème inverse:
data2010.txt
Il s'agit d'un tableau à 7 colonnes, respectivement: t,AP,AM,AD,QP,QM,QD
Pour le lire avec Scilab, on peut taper par exemple la commande suivante:
A=read('../data2010.txt',-1,7)
// dans ce cas A est une matrice à 7 colonnes avec les valeurs correspondantes
Question: quelles sont les valeurs associées de A0,
Kr et beta pour ces données?
Soutenance des projets: le 10 mai au matin
(de 10h à 11h40) et le 12 mai de 10h30 à 11h30.
References
:
Numercial optimization, theoretical and practical aspects
: JF Bonnans, JC Gilbert, C. Lemaréchal, C. Sagastizbal,
Springer Verlag 2003.
Genetic Algorithms on search, optimization and machine learning
: D. Goldberg, 1989
Multi-Objective Optimization Using Evolutionary Algorithms
, K. Deb, 2001
On the web
:
Theoretical part:
An online course on '
Numerical Optimization
' at Oxford University
An online course on '
Optimization inengineering design
' at the Georgia Institute of Technology
A book
Numerical recipes in C or Fortran 77
(Chapter 10 mainly)
Applicative part:
The FBG problem: a talk '
Optimisation of optical communication systems by means of genetic
algorithms'
by myself
The FBG problem: a PhD dissertation
“Synthesis
and characterization of fiber Bragg gratings
” by J. Skaar (chapters 2 and 3.1 mainly)
The FBG problem: an article
'Real-coded
genetic algorithm for Bragg grating parameter synthesis'
by G. Cormier and R. Boudreau
The FBG problem: an article '
Multi-objective and constrained design of fibre Bragg gratings
using evolutionary algorithms
' by S. Manos and L. Poladian
The LJ problem:
article 1
article 2
,
article 3
, article
4
thesis