AI-ordlista
Den kompletta ordlistan över AI
Stratégie d'Évolution
Algorithme d'optimisation continu basé sur les principes de l'évolution naturelle, privilégiant l'adaptation des paramètres de mutation par auto-apprentissage plutôt que la recombinaison génétique.
Auto-adaptation de mutation
Mécanisme permettant aux individus d'une population d'ajuster dynamiquement leurs propres paramètres de mutation durant le processus évolutif, favorisant une exploration adaptative de l'espace de recherche.
CMA-ES
Covariance Matrix Adaptation Evolution Strategy, algorithme d'optimisation stochastique adaptant automatiquement la matrice de covariance de la distribution de mutation pour capturer la topologie du paysage de fitness.
Recherche par motif
Technique d'optimisation directe ne nécessitant pas de gradient, utilisant des directions de recherche prédéfinies et des longueurs de pas adaptatives pour converger vers l'optimum.
Adaptation de pas adaptatif
Stratégie d'ajustement dynamique de la longueur du pas de mutation basée sur le succès relatif des générations précédentes, assurant un compromis optimal entre exploration et exploitation.
Recombinaison discrète
Opérateur génétique sélectionnant aléatoirement chaque composante d'un parent parmi les candidats parents, créant un descendant avec des caractéristiques héritées de manière non-linéaire.
Recombinaison intermédiaire
Méthode de croisement calculant la moyenne arithmétique des paramètres des parents pour générer des descendants, favorisant la convergence vers des régions prometteuses de l'espace de recherche.
Pression de sélection
Paramètre contrôlant l'intensité de la sélection naturelle dans les algorithmes évolutionnaires, déterminant le ratio entre le nombre de parents et le nombre de descendants sélectionnés.
Variance adaptative
Mécanisme d'ajustement automatique de la variance de la distribution de mutation en fonction du taux de succès, optimisant l'amplitude des variations génétiques durant l'évolution.
Rotation adaptative des axes
Technique d'adaptation de l'orientation du système de coordonnées de la distribution de mutation pour aligner les variations avec les directions principales du paysage de fitness.
Algorithme de mutation gaussienne
Opérateur de perturbation appliquant une distribution normale aux paramètres des individus, permettant des variations continues et centrées autour des valeurs parentales avec écart-type adaptatif.
Facteur d'apprentissage de mutation
Coefficient multiplicateur ajustant dynamiquement les paramètres de mutation selon le succès relatif des générations, implémentant une méta-adaptation des stratégies de recherche.
Critère d'arrêt adaptatif
Condition de terminaison évolutive basée sur la stagnation des améliorations, la convergence de la distribution de mutation ou l'épuisement du budget computationnel alloué.
Optimisation multi-objectif évolutive
Extension des stratégies d'évolution traitant simultanément plusieurs objectifs contradictoires, générant un front de Pareto de solutions non-dominées par sélection basée sur le rang et la densité.
Échantillonnage par transformation de Box-Muller
Méthode de génération de nombres aléatoires gaussiens utilisée dans les mutations continues, transformant des variables uniformes en distribution normale pour assurer la diversité exploratoire.
Adaptation de la matrice de covariance
Processus itératif d'estimation et d'ajustement de la structure de corrélation entre variables d'optimisation, capturant la géométrie locale du problème pour guider efficacement la recherche.