Master 2 MIAGE IA2.
Éditions précédentes : 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 3 novembre 2025, 9h - 12h | 1 |
Introduction
Énoncé de TD. |
| Vendredi 7 novembre 2025, 9h - 12h | 2 |
Théorie
Énoncé de TD. |
| Lundi 17 novembre 2025, 9h - 12h | 3 |
Le grandes familles du calcul
évolutionniste
TD : tutoriel de base du framework DEAP (suivre les parties 1, 2 et 3 du tutoriel) |
| Mardi 2 décembre 2025, 9h - 12h | 4 |
Représentations et opérateurs spécialisés
TD : terminer le tutoriel de base du framework DEAP |
| Mercredi 3 décembre 2025, 13h30 - 16h30 | 5 |
Gestion des contraintes
Énoncé de TD |
| Jeudi 4 décembre 2025, 13h30 - 16h30 | 6 |
Hybridation
Énoncé de TD |
| Vendredi 5 décembre 2025, 9h - 12h | 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%.