Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

Concept

Paysage adaptatif

Le paysage adaptatif (ou paysage de fitness, fitness landscape en anglais) est un outil utilisé en biologie évolutive pour visualiser les relations entre des génotypes et le succès reproductif. Le paysage adaptatif est une représentation de la fitness d’organismes, d’espèces ou de populations sous forme d’une carte topographique. Cette fitness, ou valeur sélective, est une mesure relative de la survie et de la reproduction. vignette|Croquis d'un paysage de fitness. Les flèches indiquent le flux préférentiel d'une population dans le paysage, et les points A et C sont des archétypes locaux. Le cercle rouge correspond à une population ayant migré depuis une valeur de fitness très faible au sommet d'un pic. Le paysage adaptatif est représenté sur deux axes. L’axe vertical représente la valeur de fitness. Si l’axe vertical représente la fitness des organismes, l’axe horizontal peut représenter soit le génotype soit le phénotype de ceux-ci. Si l’axe vertical représente plutôt la fitness des

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées

Chargement

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés

Chargement

Cours associés

Chargement

Séances de cours associées

Chargement

Résumé

Source officielle

À propos de ce résultat

Publications associées (24)

Publications associées

Chargement

Personnes associées (3)

Personnes associées

Chargement

Unités associées

Chargement

Concepts associés (10)

Concepts associés

Chargement

Cours associés (1)

Stream and river ecosystems are increasingly deteriorated owing to global change and climate change. Students will understand basic physical, chemical and biological processes in streams and rivers, and how they relate to ecosystem health and integrity .

Cours associés

Chargement

Séances de cours associées (1)

Séances de cours associées

Chargement

Sélection naturelle

vignette|Selon les principes de la sélection naturelle de Darwin, les pinsons des Galápagos sont issus d'une espèce souche venue du continent. La sélection s'est traduite par une spécialisation de la

Algorithme évolutionniste

vignette|redresse=1.2|Un algorithme évolutionnaire utilise itérativement des opérateurs de sélections (en bleu) et de variation (en jaune). i : initialisation, f(X) : évaluation, ? : critère d'arr

Algorithme génétique

Les algorithmes génétiques appartiennent à la famille des algorithmes évolutionnistes. Leur but est d'obtenir une solution approchée à un problème d'optimisation, lorsqu'il n'existe pas de méthode exa

The utility of fitness landscapes and big data for predicting evolution

Sebastian Matuszewski

NATURE PUBLISHING GROUP2018

Chargement

Approximating geometric crossover in semantic space

Pawel Lichocki

We propose a crossover operator that works with genetic programming trees and is approximately geometric crossover in the semantic space. By defining semantic as program's evaluation profile with respect to a set of fitness cases and constraining to a specific class of metric-based fitness functions, we cause the fitness landscape in the semantic space to have perfect fitness-distance correlation. The proposed approximately geometric semantic crossover exploits this property of the semantic fitness landscape by an appropriate sampling. We demonstrate also how the proposed method may be conveniently combined with hill climbing. We discuss the properties of the methods, and describe an extensive computational experiment concerning logical function synthesis and symbolic regression.

Association for Computing Machinery2009

Chargement

The Seamless Peer and Cloud Evolution Framework

Joshua Evan Auerbach, Dario Floreano, Giovanni Iacca, Guillaume Paul Olivier Leclerc

Evolutionary algorithms are increasingly being applied to problems that are too computationally expensive to run on a single personal computer due to costly fitness function evaluations and/or large numbers of fitness evaluations. Here, we introduce the Seamless Peer And Cloud Evolution (SPACE) framework, which leverages bleeding edge web technologies to allow the computational resources necessary for running large scale evolutionary experiments to be made available to amateur and professional researchers alike, in a scalable and cost-effective manner, directly from their web browsers. The SPACE framework accomplishes this by distributing fitness evaluations across a heterogeneous pool of cloud compute nodes and peer computers. As a proof of concept, this framework has been attached to the RoboGen open-source platform for the co-evolution of robot bodies and brains, but importantly the framework has been built in a modular fashion such that it can be easily coupled with other evolutionary computation systems.

ACM Press2016

Chargement