Faculté des sciences

Artificial evolution on network structures : how time and space influence dynamics

Giacobini, Mario ; Tomassini, Marco (Dir.) ; Tettamanzi, Andrea (Codir.)

Thèse de doctorat : Université de Lausanne, 2005.

L’objectif principal de ce travail est de montrer l’influence du choix de la dimension temporelle et de la structure spatiale d’une population sur un processus évolutionnaire artificiel. Dans le domaine de l’Evolution Artificielle on peut observer une tendance à évoluer d’une fa¸con synchrone des populations panmictiques, òu chaque individu peut être récombiné avec tout autre... Plus

Ajouter à la liste personnelle
    Résumé
    L’objectif principal de ce travail est de montrer l’influence du choix de la dimension temporelle et de la structure spatiale d’une population sur un processus évolutionnaire artificiel. Dans le domaine de l’Evolution Artificielle on peut observer une tendance à évoluer d’une fa¸con synchrone des populations panmictiques, òu chaque individu peut être récombiné avec tout autre individu dans la population. Déjà dans les année ’90, Spiessens et Manderick, Sarma et De Jong, et Gorges-Schleuter ont observé que, si une population possède une structure régulière mono- ou bi-dimensionnelle, le processus évolutionnaire montre une dynamique différente de celle d’une population panmictique. En particulier, Sarma et De Jong ont étudié la pression de sélection (c-à-d la diffusion d’un individu optimal quand seul l’opérateur de sélection est actif) induite par une structure régulière bi-dimensionnelle de la population, proposant une modélisation logistique des courbes de pression de sélection. Ce modèle suppose que la diffusion d’un individu optimal suit une loi exponentielle. On montre que ce modèle est inadéquat pour décrire ce phénomène, étant donné que la vitesse de croissance doit obéir à une loi quadratique ou sous-quadratique dans le cas d’une structure régulière bi-dimensionnelle. De nouveaux modèles linéaires et sous-quadratiques sont proposés pour des structures mono- et bi-dimensionnelles. Ces modèles sont étendus pour décrire des processus évolutionnaires asynchrones. Différentes dynamiques de la population impliquent strategies différentes de recherche de l’algorithme résultant lorsque le processus évolutionnaire est utilisé pour résoudre des problèmes d’optimisation. Un ensemble de problèmes discrets et continus est utilisé pour étudier les caractéristiques de recherche des différentes topologies et mises à jour des populations. Ces dernières années, les études de Watts et Strogatz ont montré que beaucoup de réseaux, aussi bien dans les mondes biologique et sociologiques que dans les structures produites par l’homme, ont des propriétés mathématiques qui les séparent à la fois des structures régulières et des structures aléatoires. En particulier, ils ont introduit la notion de graphe small-world et ont montré que cette nouvelle famille de structures possède des intéressantes propriétés dynamiques. Des populations ayant ces nouvelles topologies sont proposées, et leurs dynamiques évolutionnaires sont étudiées et modélisées. Pour des populations ayant ces structures, des méthodes d’évolution asynchrone sont proposées, et la dynamique résultante est étudiée. Beaucoup de réseaux produits par l’homme se sont formés d’une fa¸con incrémentale, et des explications pour leur forme actuelle ont été proposées, comme le preferential attachment de Albert et Barabàsi. Toutefois, beaucoup de réseaux existants doivent être le produit d’un processus de variation et sélection darwiniennes. Ainsi, la fa¸con dont ces structures ont pu être sélectionnées est une question intéressante restée sans réponse. Dans la dernière partie de ce travail, on montre comment un simple processus évolutif artificiel permet à ce type de topologies d’émerger dans le cas de deux problèmes prototypiques des réseaux d’automates, les tˆaches de densité et de synchronisation.
    Summary
    The main objective of this work is to show how the choice of the temporal dimension and of the spatial structure of the population influences an artificial evolutionary process. In the field of Artificial Evolution we can observe a common trend in synchronously evolving panmictic populations, i.e., populations in which any individual can be recombined with any other individual. Already in the ’90s, the works of Spiessens and Manderick, Sarma and De Jong, and Gorges-Schleuter have pointed out that, if a population is structured according to a mono- or bi-dimensional regular lattice, the evolutionary process shows a different dynamic with respect to the panmictic case. In particular, Sarma and De Jong have studied the selection pressure (i.e., the diffusion of a best individual when the only selection operator is active) induced by a regular bi-dimensional structure of the population, proposing a logistic modeling of the selection pressure curves. This model supposes that the diffusion of a best individual in a population follows an exponential law. We show that such a model is inadequate to describe the process, since the growth speed must be quadratic or sub-quadratic in the case of a bi-dimensional regular lattice. New linear and sub-quadratic models are proposed for modeling the selection pressure curves in, respectively, mono- and bi-dimensional regular structures. These models are extended to describe the process when asynchronous evolutions are employed. Different dynamics of the populations imply different search strategies of the resulting algorithm, when the evolutionary process is used to solve optimisation problems. A benchmark of both discrete and continuous test problems is used to study the search characteristics of the different topologies and updates of the populations. In the last decade, the pioneering studies of Watts and Strogatz have shown that most real networks, both in the biological and sociological worlds as well as in man-made structures, have mathematical properties that set them apart from regular and random structures. In particular, they introduced the concepts of small-world graphs, and they showed that this new family of structures has interesting computing capabilities. Populations structured according to these new topologies are proposed, and their evolutionary dynamics are studied and modeled. We also propose asynchronous evolutions for these structures, and the resulting evolutionary behaviors are investigated. Many man-made networks have grown, and are still growing incrementally, and explanations have been proposed for their actual shape, such as Albert and Barab`asi’s preferential attachment growth rule. However, many actual networks seem to have undergone some kind of Darwinian variation and selection. Thus, how these networks might have come to be selected is an interesting yet unanswered question. In the last part of this work, we show how a simple evolutionary algorithm can enable the emrgence o these kinds of structures for two prototypical problems of the automata networks world, the majority classification and the synchronisation problems.