L'Intelligence Artificielle pour les développeurs
Concepts et implémentations en Java
Avant-propos
1. Objectifs du livre15
2. Public et prérequis15
3. Structure du livre16
4. Code en téléchargement18
Introduction
1. Présentation du chapitre19
2. Définir l'intelligence19
3. L'intelligence du vivant22
4. L'intelligence artificielle23
5. Domaines d'application25
6. Synthèse28
Chapitre 1
Systèmes experts
1. Présentation du chapitre29
2. Exemple : un système expert en polygones30
2.1 Triangles30
2.2 Quadrilatères32
2.3 Autres polygones34
3. Contenu d'un système expert34
3.1 Base de règles35
3.2 Base de faits36
3.3 Moteur d'inférences37
3.4 Interface utilisateur39
4. Types d'inférences39
4.1 Chaînage avant40
4.1.1 Principe40
4.1.2 Application à un exemple40
4.2 Chaînage arrière41
4.2.1 Principe41
4.2.2 Application à un exemple42
4.3 Chaînage mixte43
5. Étapes de construction d'un système44
5.1 Extraction des connaissances45
5.2 Création du moteur d'inférences45
5.3 Écriture des règles46
5.4 Création de l'interface utilisateur46
6. Performance et améliorations47
6.1 Critères de performance47
6.2 Amélioration des performances par l'écriture des règles48
6.3 Importance de la représentation du problème49
7. Ajout d'incertitudes et de probabilités51
7.1 Apport des incertitudes51
7.2 Faits incertains52
7.3 Règles incertaines52
8. Domaines d'application53
8.1 Aide au diagnostic54
8.2 Estimation de risques55
8.3 Planification et logistique55
8.4 Transfert de compétences et connaissances56
8.5 Autres applications56
9. Création d'un système expert en Java57
9.1 Détermination des besoins58
9.2 Implémentation des faits59
9.3 Base de faits63
9.4 Règles et base de règles64
9.5 Interface67
9.6 Moteur d'inférences69
9.7 Saisie des règles et utilisation76
10. Utilisation de Prolog78
10.1 Présentation du langage78
10.2 Syntaxe du langage79
10.2.1 Généralités79
10.2.2 Prédicats80
10.2.3 Poser des questions80
10.2.4 Écriture des règles81
10.2.5 Autres prédicats utiles82
10.3 Codage du problème des formes géométriques83
10.4 Codage du problème des huit reines87
10.4.1 Intérêt du chaînage arrière87
10.4.2 Étude du problème88
10.4.3 Règles à appliquer88
10.4.4 Règles de conflits entre reines89
10.4.5 But du programme91
10.4.6 Exemples d'utilisation91
11. Synthèse92
Chapitre 2
Logique floue
1. Présentation du chapitre95
2. Incertitude et imprécision96
2.1 Incertitude et probabilités96
2.2 Imprécision et subjectivité96
2.3 Nécessité de traiter l'imprécision97
3. Ensembles flous et degrés d'appartenance98
3.1 Logique booléenne et logique floue98
3.2 Fonctions d'appartenance99
3.3 Caractéristiques d'une fonction d'appartenance102
3.4 Valeurs et variables linguistiques103
4. Opérateurs sur les ensembles flous104
4.1 Opérateurs booléens104
4.2 Opérateurs flous106
4.2.1 Négation106
4.2.2 Union et intersection108
5. Création de règles110
5.1 Règles en logique booléenne110
5.2 Règles floues110
6. Fuzzification et défuzzification113
6.1 Valeur de vérité113
6.2 Fuzzification et application des règles115
6.3 Défuzzification119
7. Domaines d'application121
7.1 Premières utilisations121
7.2 Dans les produits électroniques122
7.3 En automobile122
7.4 Autres domaines123
8. Implémentation d'un moteur de logique floue123
8.1 Le coeur du code : les ensembles flous124
8.1.1 Point2D : un point d'une fonction d'appartenance124
8.1.2 EnsembleFlou : un ensemble flou125
8.1.3 Opérateurs de comparaison et de multiplication126
8.1.4 Opérateurs ensemblistes127
8.1.5 Calcul du barycentre136
8.2 Ensembles flous particuliers138
8.3 Variables et valeurs linguistiques141
8.3.1 Valeur linguistique141
8.3.2 Variable linguistique142
8.4 Règles floues143
8.4.1 Expression floue144
8.4.2 Valeur numérique144
8.4.3 Règle floue145
8.5 Système de contrôle flou146
8.6 Synthèse du code créé150
9. Implémentation d'un cas pratique151
10. Synthèse157
Chapitre 3
Recherche de chemins
1. Présentation du chapitre159
2. Chemins et graphes160
2.1 Définition et concepts160
2.2 Représentations161
2.2.1 Représentation graphique161
2.2.2 Matrice d'adjacence161
2.3 Coût d'un chemin et matrice des longueurs164
3. Exemple en cartographie166
4. Algorithmes naïfs de recherche de chemins168
4.1 Parcours en profondeur168
4.1.1 Principe et pseudo-code168
4.1.2 Application à la carte170
4.2 Parcours en largeur172
4.2.1 Principe et pseudo-code173
4.2.2 Application à la carte174
5. Algorithmes « intelligents »177
5.1 Algorithme de Bellman-Ford178
5.1.1 Principe et pseudo-code178
5.1.2 Application à la carte180
5.2 Algorithme de Dijkstra183
5.2.1 Principe et pseudo-code184
5.2.2 Application à la carte185
5.3 Algorithme A*188
5.3.1 Principe et pseudo-code188
5.3.2 Application à la carte189
6. Domaines d'application196
7. Implémentation198
7.1 Noeuds, arcs et graphes198
7.1.1 Implémentation des noeuds198
7.1.2 Classe représentant les arcs199
7.1.3 Graphes199
7.2 Fin du programme générique200
7.2.1 IHM200
7.2.2 Algorithme générique201
7.3 Implémentation des différents algorithmes202
7.3.1 Recherche en profondeur202
7.3.2 Recherche en largeur204
7.3.3 Algorithme de Bellman-Ford205
7.3.4 Algorithme de Dijkstra206
7.3.5 Algorithme A*208
7.4 Application à la carte209
7.4.1 Gestion des tuiles209
7.4.2 Implémentation de la carte211
7.4.3 Programme principal218
7.5 Comparaison des performances221
8. Synthèse223
Chapitre 4
Algorithmes génétiques
1. Présentation du chapitre225
2. Évolution biologique226
2.1 Le concept d'évolution226
2.2 Les causes des mutations227
2.3 Le support de cette information : les facteurs228
2.4 Des facteurs au code génétique230
2.5 Le « cycle de la vie »232
3. Évolution artificielle233
3.1 Principes233
3.2 Convergence234
3.3 Exemple235
3.3.1 Jeu du Mastermind235
3.3.2 Création de la population initiale236
3.3.3 Fonction d'évaluation237
3.3.4 Phase de reproduction237
3.3.5 Survie et enchaînement des générations239
3.3.6 Terminaison de l'algorithme239
4. Premières phases de l'algorithme240
4.1 Choix des représentations240
4.1.1 Population et individus240
4.1.2 Gènes241
4.1.3 Cas complexes241
4.2 Initialisation de la population initiale243
4.3 Évaluation des individus244
5. Création des générations suivantes245
5.1 Sélection des parents245
5.2 Reproduction247
5.2.1 Crossover247
5.2.2 Mutation249
5.3 Survie251
5.4 Terminaison251
6. Coévolution252
7. Domaines d'application253
8. Implémentation255
8.1 Implémentation générique d'un algorithme255
8.1.1 Spécifications255
8.1.2 Paramètres256
8.1.3 Individus et gènes258
8.1.4 IHM260
8.1.5 Processus évolutionnaire260
8.2 Utilisation pour le voyageur de commerce264
8.2.1 Présentation du problème264
8.2.2 Environnement265
8.2.3 Gènes267
8.2.4 Individus268
8.2.5 Programme principal271
8.2.6 Résultats273
8.3 Utilisation pour la résolution d'un labyrinthe274
8.3.1 Présentation du problème274
8.3.2 Environnement275
8.3.3 Gènes280
8.3.4 Individus281
8.3.5 Modification de la fabrique284
8.3.6 Programme principal286
8.3.7 Résultats287
9. Synthèse289
Chapitre 5
Métaheuristiques d'optimisation
1. Présentation du chapitre291
2. Optimisation et minimums292
2.1 Exemples292
2.2 Le problème du sac à dos292
2.3 Formulation des problèmes293
2.4 Résolution mathématique294
2.5 Recherche exhaustive296
2.6 Métaheuristiques296
3. Algorithmes gloutons297
4. Descente de gradient300
5. Recherche tabou302
6. Recuit simulé305
7. Optimisation par essaims particulaires307
8. Méta-optimisation308
9. Domaines d'application309
10. Implémentation310
10.1 Classes génériques311
10.2 Implémentation des différents algorithmes312
10.2.1 Algorithme glouton312
10.2.2 Descente de gradient313
10.2.3 Recherche tabou314
10.2.4 Recuit simulé315
10.2.5 Optimisation par essaims particulaires316
10.3 Résolution du problème du sac à dos317
10.3.1 Implémentation du problème318
10.3.2 Algorithme glouton324
10.3.3 Descente de gradient326
10.3.4 Recherche Tabou327
10.3.5 Recuit simulé329
10.3.6 Optimisation par essaims particulaires331
10.3.7 Programme principal335
10.4 Résultats obtenus336
11. Synthèse340
Chapitre 6
Systèmes multi-agents
1. Présentation du chapitre343
2. Origine biologique344
2.1 Les abeilles et la danse344
2.2 Les termites et le génie civil346
2.3 Les fourmis et l'optimisation de chemins347
2.4 Intelligence sociale348
3. Systèmes multi-agents348
3.1 L'environnement348
3.2 Les objets349
3.3 Les agents349
4. Classification des agents350
4.1 Perception du monde350
4.2 Prise des décisions350
4.3 Coopération et communication351
4.4 Capacités de l'agent352
5. Principaux algorithmes353
5.1 Algorithmes de meutes353
5.2 Optimisation par colonie de fourmis354
5.3 Systèmes immunitaires artificiels356
5.4 Automates cellulaires357
6. Domaines d'application359
6.1 Simulation de foules359
6.2 Planification360
6.3 Phénomènes complexes360
6.4 Autres domaines361
7. Implémentation361
7.1 Banc de poissons 2D362
7.1.1 Les objets du monde et les zones à éviter362
7.1.2 Les agents-poissons364
7.1.3 L'océan372
7.1.4 L'application graphique375
7.1.5 Résultats obtenus379
7.2 Tri sélectif381
7.2.1 Les déchets381
7.2.2 Les agents nettoyeurs383
7.2.3 L'environnement388
7.2.4 L'application graphique391
7.2.5 Résultats obtenus396
7.3 Le jeu de la vie397
7.3.1 La grille398
7.3.2 L'application graphique401
7.3.3 Résultats obtenus404
8. Synthèse406
Chapitre 7
Réseau de neurones
1. Présentation du chapitre407
2. Origine biologique408
3. Machine Learning410
3.1 Formes d'apprentissage et exemples410
3.1.1 Apprentissage non supervisé411
3.1.2 Apprentissage supervisé412
3.1.3 Apprentissage par renforcement414
3.2 Régression et algorithme de régression linéaire415
3.3 Classification et algorithme de séparation418
4. Neurone formel et perceptron420
4.1 Principe420
4.2 Réseaux de type « perceptron »421
4.3 Fonctions d'agrégation et d'activation423
4.3.1 Fonction d'agrégation423
4.3.2 Fonction d'activation424
4.4 Exemple de réseau428
4.5 Apprentissage429
5. Réseaux feed-forward431
5.1 Réseaux avec couche cachée431
5.2 Apprentissage par rétropropagation du gradient433
5.3 Surapprentissage435
5.4 Améliorations de l'algorithme438
5.4.1 Batch, mini-batch et gradient stochastique438
5.4.2 Régularisation439
5.4.3 Dropout439
5.4.4 Variation de l'algorithme de descente de gradient440
5.4.5 Création de nouvelles données : data augmentation440
6. Autres architectures441
6.1 Réseaux de neurones à convolution441
6.2 Cartes de Kohonen442
6.3 Réseaux de neurones récurrents442
6.4 Réseaux de Hopfield443
7. Domaines d'application443
7.1 Reconnaissance de patterns444
7.2 Estimation de fonctions444
7.3 Création de comportements444
7.4 Applications actuelles445
8. Implémentation446
8.1 Points et ensembles de points446
8.2 Neurone449
8.3 Réseau de neurones451
8.4 Interface homme-machine455
8.5 Système complet455
8.6 Programme principal459
8.7 Applications460
8.7.1 Application au XOR460
8.7.2 Application à Abalone462
8.7.3 Améliorations possibles464
9. Synthèse465
Bibliographie467
Sitographie
1. Pourquoi une sitographie ?471
2. Systèmes experts471
3. Logique floue474
4. Recherche de chemins477
5. Algorithmes génétiques478
6. Métaheuristiques480
7. Systèmes multi-agents481
8. Réseaux de neurones483
Annexe
1. Installation de SWI-Prolog487
2. Utilisation de SWI-Prolog sous Windows488
Index491