Genetski algoritmi suheurističke, stohastičke metode optimizacije koje je Holland prvi put predložio 1975. godine. Temelje se na ideji evolucije s prirodnom selekcijom, koju je predložio Darwin.
Genetski algoritmi rade s mnogimpojedinci, odnosno populacija u kojoj svaki pojedinac može poslužiti kao rješenje određenog problema. Svaki pojedinac mora biti procijenjen stupnjem svoje kondicije, ovisno o tome koliko je dobro rješenje problema i odgovarajući mu problem. Ako to uzmemo u obzir s prirodom, tada procjenjujemo stupanj učinkovitosti organizma u konkurenciji za resurse. Pojedinci koji su osjetno prilagođeniji mogu se razmnožavati uporabom unakrsnog uzgoja s drugim članovima populacije. To postaje razlog za pojavljivanje novih pojedinaca, koji kombiniraju neke karakteristike koje su naslijeđene od roditelja.
Manje prilagođeni pojedinci mogu se reproduciratipotomci su manje vjerojatni, pa će svojstva koja posjeduju tijekom evolucije postepeno nestajati iz čitave populacije. Ponekad se javljaju spontane promjene u genima ili mutacije. Ispada da će dobre karakteristike iz generacije u generaciju biti distribuirane u čitavoj populaciji. Prelazak na pojedince koji su najviše prilagođeni dovodi do činjenice da se pretražuju web lokacije koje predstavljaju najveću perspektivu. U konačnici se pronalazi rješenje problema. Prednost genetskih algoritama je pronalaženje približnih rješenja koja su optimalna u relativno kratkom vremenu. Vrijedno je razmotriti ovo pitanje u vezi s programiranjem.
Genetski algoritmi sastoje se od sljedećih komponenti:
- kromosom, koji je rješenje problema koji se razmatra, sastoji se od gena. Ova populacija kromosoma smatra se početnom;
- skup operatora (namijenjen stvaranju novih rješenja temeljenih na novoj populaciji);
- objektivna funkcija (osmišljena za ocjenu prikladnosti odluka).
Для генетических алгоритмов существует standardni skup operatora: odabir, mutacija i križanje. Možete razmotriti uporabu genetskih algoritama pojašnjenjem za što je dizajniran svaki pojedini operater. Operator odabira kromosome bira u skladu s vrijednostima njihovih fitnes funkcija. Ovdje su predstavljena najmanje dva najpopularnija operatera: turnir i ruleta. Metoda ruleta uključuje odabir pojedinaca kroz n startanja. Za svakog pripadnika populacije, jedan krug potrebne veličine nalazi se u koluta ruleta. Pripadnici populacije s izrazito višim pokazateljem kondicije u ovom izboru češće će biti odabrani od predstavnika slabe kondicije. U načinu turnira implementira se n turnira koji vam omogućuju odabir n pojedinaca. Svaki se turnir temelji na izboru k elemenata iz populacije, a među njima treba biti izabran najbolji pojedinac.
Ako nastavimo razmatrati algoritmeProgramiranje, vrijedno je spomenuti metodu koja se naziva crossbreeding. Operator križanja razmjenjuje dijelove kromosoma između para ili kromosoma u istoj populaciji.
Posljednji operater, mutacije, je stohastička promjena dijela kromosoma.
Posebno razmatranje upotrebe genetskih algoritama je više voluminoznog materijala nego što se može nalaziti u članku, pa ga treba razmotriti zasebno.
