Master 2 MIAGE IA2.
Éditions précédentes : année 2025-2026, année 2024-2025, année 2023-2024, année 2022-2023, année 2021-2022, année 2020-2021.
Responsable : Pr. Andrea G. B. Tettamanzi.
L'emploi du temps de cet enseignement avec l'affectation des salles peut être consulté sur ADE.
Ce cours explore en profondeur les algorithmes évolutionnaires (AE), une classe d'algorithmes d'optimisation inspirés des processus de sélection naturelle. Les étudiants apprendront les concepts fondamentaux, les techniques avancées, et les applications pratiques des algorithmes évolutionnaires, y compris la neuroévolution, l'hybridation avec d'autres méthodes d'optimisation, et la gestion des contraintes. Ce cours est conçu pour ceux qui souhaitent comprendre comment les AE peuvent être appliqués pour résoudre des problèmes complexes en intelligence artificielle (IA) et dans d'autres domaines nécessitant une optimisation robuste.
Rien à signaler pour l'instant.
| Date | Séance | Sujet |
| Lundi 19 octobre 2026, 13h30 - 16h30 | 1 |
Introduction
Énoncé de TD. |
| Lundi 2 novembre 2026, 9h - 12h | 2 |
Théorie
Énoncé de TD. |
| Lundi 2 novembre 2026, 13h30 - 16h30 | 3 |
Le grandes familles du calcul
évolutionniste
TD : tutoriel de base du framework DEAP (suivre les parties 1, 2 et 3 du tutoriel) |
| Lundi 16 novembre 2026, 9h - 12h | 4 |
Représentations et opérateurs spécialisés
TD : terminer le tutoriel de base du framework DEAP |
| Lundi 16 novembre 2026, 13h30 - 16h30 | 5 |
Gestion des contraintes
Énoncé de TD |
| Vendredi 4 décembre 2026, 9h - 12h | 6 |
Hybridation
Énoncé de TD |
| Lundi 14 décembre 2026, 13h30 - 16h30 | 7 |
Neuroévolution
Énoncé de TD |
Evolutionary Algorithms: Concepts and Applications (UPGRADE: the European journal for the informatics professional (ISSN 1684-5285), VI(3), June, pages 66–76, 2005.
Les transparents utilisés pendant les cours peuvent être téléchargés en format PDF en cliquant sur le sujet de la session correspondante dans le calendrier ci-dessus.
DEAP est un framework pour les algorithmes évolutionnaires en langage Python.
Rendu des TP : 80% ; Participation : 20%.