algorithmes génétiques

Salut,

Je cherche des documents présentant des algorithmes génétiques pour résoudre un problème d'optimisation sous contraintes.

J'en ai entendu parlé pour la première fois jeudi, par un ancien ingénieur nucléaire qui l'a appliqué en actuariat ! L'idée est d'appliquer la biologie aux maths en quelque sorte (j'adore cette idée! ).

On a problème d'optimisation sous contraintes où la fonction est trop compliquée (par ex très mal définie...) pour utiliser les méthodes classiques (gradient etc...), les contraintes ne sont pas linéaires, impossibilité de tracer la frontière efficiente en entier etc...

principe de la modélisation :
On met des individus sur les points, dont le "fitness" est la valeur de la fonction en ces points. Les individus se reproduisent, les meilleurs avec les meilleurs, certains meurent, le nombre d’individu est constant, quand les générations passent, il y a convergence vers l’extremum.

mutation :
pour ne pas rester enfermé dans des minimums locaux, les individus mutent, vont à un autre endroit, aléatoire.

--> Voila ce que j'ai retenu oralement mais je chercherais des références pour donner un sens exact à tout ça, mathématique et voir des résultats sur la complexité des algorithmes mis en jeu, des codes C++ ...


Merci;)