Introduktion
En genetisk algoritme er en søgemetode, der fungerer analogt med en evolutionær proces i et biologisk system. De bruges ofte til at finde løsninger til optimeringsproblemer.
"Randomiseret søgning og optimering teknik styret af princippet af naturlige genetiske systemer."
"Genetiske algoritmer er søgealgoritmer baseret på mekanikken i naturlig udvælgelse og naturlige genetik. "
" Genetiske algoritmer er software, procedurer modelleret efter genetik og evolution.
"
Der er altid behov for bedre søgning og optimering teknik på alle områder. Men der er meget få metoder, der virker bedre og hurtigere i løbet af enorme hovedparten af oplysningerne.
Feltet af Genetisk Algoritme er relativt uberørt. Selv dens magt stadig ikke udnyttes på en ordentlig måde. Genetiske Algoritmer garanterer hurtigere og bedre adgang til enorme oplysninger i en meget robust måde.
Formål og anvendelsesområde
Formålet med GA er at finde en optimal løsning på et problem.
Da gas er heuristiske fremgangsmåder, er de ikke garanteret at finde den optimale løsning, men de er i stand til at finde gode løsninger til en bred vifte af problemer.
Genetiske algoritmer er søgning, optimering og machine learning teknikker baseret på mekanikken i Natural Selection and Natural genetik. Som pr principperne for darwinistisk naturlig selektion, kun de organismer overleve og reproducere der er egnet til deres miljø. Og så, afkom af the fittest forældrene (muligvis) får den bedste del af deres forældre. Denne proces opgraderer den nye befolkning.
GA bruger samme koncept til at finde løsningen. Den finder the fittest forældre (opløsning) fra søgningen rum og derefter bruger dem i reproduktionen at danne de opgraderede afkom løsninger.
Det centrale tema i forskning i genetiske algoritmer har været robusthed, hvis kunstige systemer kan gøres mere robuste kostbare redesign kan reduceres eller elimineres. Også, hvis der kan opnås højere niveauer af tilpasning, kan eksisterende systemer udføre deres funktioner længere og bedre.
Genetiske algoritmer er en del af evolutionær computing, hvilket er et hastigt voksende område af kunstige Genetiske algoritmer er inspireret af Darwins evolutionsteorien. Problemer løses ved en evolutionær proces resulterer i en bedste (stærkeste) opløsning (overlevende) -. Med andre ord er løsningen udviklet
genetiske algoritmer (GAS) er adaptive heuristis