An adaptative evolutionary algorithm for ant colony

L. Gacôgne

LIP6 2000/016: Rapport de Recherche LIP6 / LIP6 research reports
7 pages - Mai/May 2000 - Document en anglais.

Get it : 67 Ko /Kb

Contact : par mail / e-mail

Thème/Team: Apprentissage et Acquisition de Connaissances

Titre français : Un algorithme évolutionnaire adaptatif pour une colonie de fourmis
Titre anglais : An adaptative evolutionary algorithm for ant colony

Résumé : Ce rapport concerne une simulation de colonie de fourmis soumise à évolution. Chaque individu est gouverné par un petit réseau de neurones à l'intérieur d'un terrain circulaire où se trouvent présents différents signaux représentés par des points colorés (nourriture, limites, stimuli laissés par les autres fourmis ...) Elles sont supposées chercher de la nourriture pour la rapporter au nid situé au centre du terrain. Sans disposer d'aucune règle pour y parvenir, nous expérimentons un algorithme évolutionnaire afin de sélectionner les mailleurs individus de générations en générations. Dans le but de formaliser un comportement par une fonction mathématique ou un système à base de règles, beucoup de voies ont été imaginées, aussi nous considérons que chaque fourmi ne peut capter les messages que sur les cinq points voisins devant elle. Celle-ci utilise alors son réseau de neurones pour choisir sa prochaine position.
L'essentiel de notre algorithme d'évolution consiste à mettre à jour ces réseaux de neurones, nous étudions alors la performance de chaque fourmi et construisons la génération suivante de manière élitiste au moyen d'opérateurs liés à la représentation de ces réseaux.

Abstract : This paper deals with a simulation of an ant colony which is subject to an evolution. Each one of the ants is moving according to a small neural network, in a circular pitch where it is involved in a colored grid indicating different signals (food, borders, stimuli from other ants ...) They are supposed to look for food and carry it back to their nest located in the center of the playground. But they don't have any rule to do that and we experiment an evolutionary algorithm to select the bests individuals generation to generation.
Face to formalise a comportment as a mathematical function or a rule-based system, we can imagine many ways, so we chose to consider an ant located at any point of the playground with only the knowledge about the five neighboor points front of it. The ant is capable to use then his proper neural network to choose the next case will suit it. The key-point of our evolutionary algorithm is to set up those neural networks. So we study the fitness of each ant and build an offspring in an elitist way, with genetic operators linked with the representation of the networks.

Mots-clés : Problème du fourragement, Réseaux de neurones, Algorithmes évolutionnaires, Co-évolution

Key-words : Foraging problem, Neural networks, Evolutionary algorithms, Coevolution

Publications internes LIP6 2000 / LIP6 research reports 2000

Responsable Éditorial / Editor :Valerie.Mangin@lip6.fr