Genetischen Algorithmus

Definition - Was bedeutet genetischer Algorithmus?

Ein genetischer Algorithmus ist eine heuristische Suchmethode, die in der künstlichen Intelligenz und im Computing verwendet wird. Es wird verwendet, um optimierte Lösungen für Suchprobleme zu finden, die auf der Theorie der natürlichen Selektion und der Evolutionsbiologie basieren. Genetische Algorithmen eignen sich hervorragend zum Durchsuchen großer und komplexer Datenmengen. Sie gelten als in der Lage, vernünftige Lösungen für komplexe Probleme zu finden, da sie in der Lage sind, uneingeschränkte und eingeschränkte Optimierungsprobleme zu lösen.

Technische.me erklärt den genetischen Algorithmus

Ein genetischer Algorithmus verwendet Techniken, die von der Evolutionsbiologie inspiriert sind, wie Selektion, Mutation, Vererbung und Rekombination, um ein Problem zu lösen. Die am häufigsten verwendete Methode in genetischen Algorithmen besteht darin, eine Gruppe von Individuen zufällig aus einer bestimmten Population zu erstellen. Die so gebildeten Personen werden mit Hilfe der vom Programmierer bereitgestellten Bewertungsfunktion bewertet. Einzelpersonen erhalten dann eine Punktzahl, die indirekt die Eignung für die gegebene Situation hervorhebt. Die besten zwei Individuen werden dann verwendet, um einen oder mehrere Nachkommen zu erzeugen, wonach zufällige Mutationen an den Nachkommen durchgeführt werden. Abhängig von den Anforderungen der Anwendung wird das Verfahren fortgesetzt, bis eine akzeptable Lösung abgeleitet wurde oder bis eine bestimmte Anzahl von Generationen vergangen ist.

Ein genetischer Algorithmus unterscheidet sich von einem klassischen, auf Derivaten basierenden Optimierungsalgorithmus in zweierlei Hinsicht:

  • Ein genetischer Algorithmus erzeugt in jeder Iteration eine Population von Punkten, während ein klassischer Algorithmus bei jeder Iteration einen einzelnen Punkt erzeugt.
  • Ein genetischer Algorithmus wählt die nächste Population durch Berechnung unter Verwendung von Zufallszahlengeneratoren aus, während ein klassischer Algorithmus den nächsten Punkt durch deterministische Berechnung auswählt.

Im Vergleich zur herkömmlichen künstlichen Intelligenz bietet ein genetischer Algorithmus viele Vorteile. Es ist robuster und anfällig für Ausfälle aufgrund geringfügiger Änderungen der Eingänge oder aufgrund von Rauschen. In Bezug auf andere Optimierungsmethoden wie Praxis, lineare Programmierung, Heuristik, First oder Width-First kann ein genetischer Algorithmus bessere und signifikantere Ergebnisse liefern, während große multimodale Zustandsräume, große Zustandsräume oder n-dimensionale Oberflächen durchsucht werden.

Genetische Algorithmen werden häufig in vielen Bereichen eingesetzt, z. B. in der Robotik, im Automobilbau, im optimierten Telekommunikations-Routing, im Ingenieurdesign und im computergestützten molekularen Design.