Différences

Ci-dessous, les différences entre deux révisions de la page.

--- ia:genetique [2023/02/28 14:14] – goupillwiki
+++ ia:genetique [2023/02/28 14:42] (Version actuelle) – goupillwiki
@@ Ligne 313: / Ligne 313: @@
     de la dernière génération
     '''
+    # pour la boucle principale, écrivez :
+    # for i in tqdm(range(turns)):
+    # tqdm permet d'avoir une barre de progression, c'est plus confort à l'exécution !
 </code>
@@ Ligne 336: / Ligne 340: @@
 best = process(N, 300, 1000, fitness_fct)
+d = fitness_fct(best)
+print(f"Le meilleur parcours obtenu fait {d:.1f} km.")
 # représentation graphique
@@ Ligne 353: / Ligne 360: @@
 plt.show()
 </code>
+<WRAP tip>
+Dans l'exemple, avec le ''random'' calé sur ''random.seed(452)'', j'obtient un meilleur chemin d'environ 5830 km avec l'algo génétique. Pour l'exemple, je cherche un meilleur chemin avec un algorithme glouton et en testant exhaustivement tous les points de départs possibles (l'algorithme glouton est très rapide, donc ça reste faisable). On obtient alors 5920 km environ, mais beaucoup plus vite. Et en choisissant un point de départ au hasard et l'algorithme glouton, j'obtiens très très vite un chemin d'environ 6300 km. Donc...
+  * on pourrait juger que le surcroit de complexité et de coût en temps de l'algo génétique n'est pas rentable étant donné le maigre gain de performance,
+  * si de surcroit on réfléchissait à un bon choix de point de départ avec l'algorithme glouton, on aurait un bon résultat très rapidement,
+  * on pourrait réfléchir à une hybridation : constituer une population initiale avec l'algo glouton de façon à avoir de bons candidats dès le début, améliorer avec l'algo génétique. Ainsi, on limite le nombre de générations.
+</WRAP>