1 / 60

Paysages de Fitness et Neutralité

Paysages de Fitness et Neutralité. Philippe Collard pc@unice.fr Projet TEA Laboratoire I3S Université de Nice-Sophia Antipolis/CNRS. Paysages de Fitness et Neutralité. Origine Biologique du concept de neutralité Neutralité = ? Comment mesurer la neutralité ?

Download Presentation

Paysages de Fitness et Neutralité

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Paysages de Fitness et Neutralité Philippe Collard pc@unice.fr Projet TEA Laboratoire I3S Université de Nice-Sophia Antipolis/CNRS

  2. Paysages de Fitness et Neutralité • Origine Biologique du concept de neutralité • Neutralité = ? • Comment mesurer la neutralité ? • Les paysages de fitness sont-ils neutres ? • Des modèles pour étudier la neutralité • Comment exploiter le concept de neutralité?

  3. Origines BiologiquesThéorie neutraliste de l’évolution Kimura 1983 • Evolution moléculaire • Correspondance génotype/phénotype très redondante • Large proportion de mutations sélectivement neutres • Moteur principal de l'évolution ? sélection adaptative rôle des forces stochastiques (dérive génétique) • Dans la nature les populations ne sont pas fixées sur un optimum local

  4. Neutralité =Redondance + Opérateur neutre • Ensemble de neutralité (ES) • Ensemble de génotypes d’iso-fitness • Réseau de neutralité (RN) • Connections intra ES par opérateur neutre • RN de taille suffisamment importante • $ «Portes» entre les RN • Une large proportion du paysage peut être approchée par exploration d’un réseau • Augmente la probabilité d’atteindre un niveau de fitness donnée à partir d’une pop aléatoire

  5. Du Grimpeur au Nageur … Ou comment s’échapper d’un optimum local grâce aux mutations ?

  6. Marche adaptative sur un paysage de fitness avec neutralité • Succession de phases • Gain de fitness • Dérive aléatoire

  7. Neutralité et dynamique évolutionniste • Longues périodes de stabilité (phénotypique) • Dérive dans un réseau de neutralité • Effet d’un opérateur neutre (mutation) • Ponctuées par de rapide augmentation de fitness • Découverte inopinée d’un meilleur mutant • Effet de mutation adaptative rare Mutation = opérateur neutre ? Rôle du croisement ? Convergence prématurée !

  8. Intérêt de la neutralité pour la recherche ou l’optimisation • Donne un moyen de maintenir une certaine diversité génotypique sans risque de perdre les fitness • Potentialité pour s’échapper de certains optima locaux

  9. Comment mesurer la neutralité ? • Redondance • Nombre et Taille des RN • Distribution des génotypes selon la fitness (DOS) • Connectivité • intra RN • Proportion de mutations neutres vs. Fitness • nombre de mutations neutres par génotype (neutral degree) (Barnett) • inter RN • Percolation (théorie des graphes) • Taux d’innovation (neutral random walks) • Evolvability (Smith 2002)

  10. Densité d’Etats • Distribution des configurations selon les valeurs de fitness • Représente la taille des ensembles d’iso-fitness • Indique la probabilité d’atteindre un niveau de fitness donné • Distribution Normale (binomiale) • Unitation, Paysage NK • SAT, max-CSP, TSP

  11. DOS : Paysage NKN=16 K=12

  12. Intérêts et Limites du D.O.S • Mesure indépendante du voisinage codage, voisinage, opérateur • Permet de « situer » une population initiale aléatoire • La « queue » de la distribution est un indice de difficulté • Extension : prise en compte le dynamique • Distribution des Coûts de Processus (Hao & Belaidouni)

  13. Les paysages académiquessont-ils neutres ? • Fonctions de De Jong • Redondance induite par la modalité • Redondance • Unitation : redondance • NK : redondance • Redondance + Mutation neutre • Royal Road

  14. Fonction Royal Road(Holland, Forrest, Mitchell 95) • N = 3 blocs * 10 bits sopt=1111111111111111111111111111113 s3 =********************1111111111 +1 s2 =**********1111111111********** +1 s1 =1111111111******************** +1 • 4 réseaux de neutralité • fitness 3 : 1 • fitness 2 : ~ 3.103 • fitness 1 : ~ 3.106 • fitness 0 : ~ 109

  15. Fonction Royal RoadCrutchfield & al. 99 • Mutation Positive (adaptative) : rare 1111101111******************** Négative (délétère) : rare 1111111111******************** Neutre : les plus fréquentes 1000000001******************** • Pop 250 • Probabilité de mutation 0.005

  16. Fonction Royal Roadfitness vs. générations

  17. Fonction Royal RoadPopulation vs. générations Population=(P0,P1,P2,P3) Pi = proportion de chaînes de fitness i

  18. Les paysages « réels » sont-ils neutres ? • Evolution of neural network controllers in robotic • Silicon chip electronic circuit evolution (FPGA) (Harvey ICES96) • Circuit de reconnaissance de la parole (Thompson 2001)

  19. Des modèles pour étudier la Neutralité • Modèle basé sur les fonctions Royal Road • Labyrinthe en Terrasses • Modèle basé sur les paysages NK (random) • NKp ‘probabilistic NK’ • NKq ‘quantised NK’

  20. Terraced Labyrinth fitness functionCrutchfield & al. 99 Fitness déterminée par un arbre • Nœud : réseau de neutralité • Schéma • Fitness associée • Constellation : zone de transition • mutuellement exclusives sur un même nœud • Branche : portail entre réseaux adjacents • instanciation d’une constellation • Sous-nœud : réseau de meilleure fitness • spécialisation de schéma

  21. Labyrinthe en terrasses 000001011100110 8 111110000101101 7 111110011100010 6 00000**111**110 6 11111***0101101 4 11111***1100010 5 00000**111***** 4 11111********** 3 00000********** 2 *************** 1

  22. Labyrinthe en terrasseset mutations • Mutation adaptative • rare • Contrôlée par la taille des constellations • Mutation neutre • Fréquente (muter sur une constellation) • diminue quand la fitness augmente • Mutation délétère • augmente avec la fitness • 1 seule mutation peut « ramener » à la racine

  23. Des modèles pour étudier la Neutralité • Modèle basé sur les fonctions Royal Road • Labyrinthe en Terrasses • Modèle basé sur les paysages NK (random) • NKp ‘probabilistic NK’ • NKq ‘quantised NK’

  24. Paysages NKKauffman 1993 • N = longueur du chromosome • K = degré d’épistasie • Fitness additive • S des contributions de chaque gène • Contribution d’un gène dépend • Allèle du gène • Allèles de K autres gènes • K=0 : fitness linéaire (smooth landscape) • K=N-1 : fitness aléatoire (rugged landscape)

  25. Paysages NK : K=2 Kauffman 1993 • DOS binomiale • Mutations neutres très rares

  26. Paysages NKpBarnett 1998 • Paysages NK + neutralité • p=probabilité qu’une contribution soit nulle • p=0 : paysage NK (pas de neutralité) • P=1 : paysage plat La probabilité qu’une mutation soit neutre augmente avec p

  27. Paysages NKp : K=2 Barnett 1998

  28. DOS : N=16 K=12 p=0.8

  29. NKp : proportions des mutations neutresN. Geard & al. (CEC 2002)

  30. Innovation le long d’un RNHuynen 1996, Barnett 1998 On comptabilise le nombre de phénotypes « innovants » rencontrés dans le voisinage du chemin aléatoire neutre (neutral walks) sur le RN

  31. N=20 K=4 pop=1000 mutation=0.001 p=0 p=0.99

  32. Paysages NKq Newman & Engelhardt 1997 • Les contributions à la fitness sont des entiers dans [0..q] (quantised NK) • Intuitivement on construit un paysage NK en « terrasses » • La probabilité qu’une mutation soit neutre diminue avec q • Le nombre de réseaux de neutralité augmente exponentielle avec N • Percolation dans les plus grands réseaux de neutralité

  33. Paysages NKq : K=2 q=2 Newman & Engelhardt 1997

  34. DOS : N=16 K=12 q=2

  35. NKq : proportion des mutations neutresN. Geard & al. (CEC 2002)

  36. Comparaisons : NKp, NKqN. Geard & al. (CEC 2002) • Distribution des mutations neutres • Quand la fitness augmente : • Le nombre de mutations négatives augmente • Le nombre de mutations positives diminue • NKp • Le nombre de mutations neutres diminue avec la fitness • NKq • Le nombre de mutations neutres est maximum pour la fitness moyenne

  37. Meilleure fitness atteinte vs. NeutralitéN=20 K=4 • Random hill-climber • moyenné sur 10 simulations • Stratégie : • sélectionner un 1-mutant au hasard • jusqu’à trouver une meilleure solution • ou une solution équivalente • Le processus de recherche s’arrête sur un réseau de neutralité qui ne percolate pas

  38. q Meilleure fitness atteinte vs. NeutralitéN=20 K=4

  39. Comment exploiter le concept de neutralité en Evolution artificielle ? • Etudier la neutralité intrinsèque • Redondance (DOS) • Connectivité (intra/inter) • Neutralité synthétique • Introduire de la redondance • codage • bruit dans le calcul de la fitness • Méta codage (stratégies d’évolution) • Concevoir des opérateurs neutres • Exploiter les symétries

  40. Neutralité synthétique • Spécifique • Choix du codage • Choix des opérateurs • Neutre • Recombinaison • Indépendante du problème • Neutralité synthétique minimale

  41. Voyageur de commerce24 villes concentriques • Concevoir un Opérateur neutre • Exploiter les symétries du problème • « Compatible » avec le croisement (PMX)

  42. Voyageur de commerceOpérateur neutre et Symétrie

  43. Voyageur de commercesolution optimale

  44. Neutralité synthétique • Spécifique • Choix du codage • Choix des opérateurs • Neutre • recombinaison • Indépendante du problème • Neutralité synthétique minimale

  45. Neutralité synthétique minimaleP. Collard & al. (EA 99) • Dualité : neutralité synthétique minimale • Mapping génotype/phénotype f :W R • Mapping étendu F : {0,1}xW R F(0x) = f(x) F(1x) = f(x)

  46. Neutralité synthétique minimale • Redondance F : {0,1} * W R F(x)=F(x) • Invariance de la Densité d’Etats • Contraction de la distance Hamming d(0000,1111)=l d(00000,10000)=1 d(0000,0011)= l/2 d(00000,11100)= l/2 • Opérateur neutre : mirroring x  x

  47. Neutralité synthétique minimaleEtude expérimentale • 200 bits • 100 chromosomes • 1000 générations • Mutation 0.5 par chromosome • Mirroring 0.02 • Croisement 0.7 • Tournoi

  48. Trajectoire du centroïdesans neutralité

  49. Neutralité synthétique d’ordre 1Trajectoire du centroïde

  50. Neutralité synthétique d’ordre 1Mean/max fitness

More Related