Was ist die genetische Optimierung?
genetische Optimierung ist die Verwendung von Programmieralgorithmen, um die beste Lösung für ein Problem zu finden. Dies hat seinen Ursprung in der Arbeit von Mathematikern, die bereits in den 1950er Jahren begannen, die Modelle in Biologie genommen und sie auf nichtlineare Probleme angewendet haben, die mit herkömmlichen Mitteln schwer zu lösen waren. Die Idee ist, die Biologie nachzuahmen, die sich im Laufe der Generationen entwickelt, um die fitter mögliche Bevölkerung zu schaffen. Bei der Programmierung ist es möglich, diesen Prozess zu simulieren, um eine kreative Lösung für ein Problem zu entwickeln.
Nichtlineare Probleme können für Mathematiker eine Herausforderung darstellen. Ein Beispiel ist im Wertpapierhandel zu sehen, bei dem möglicherweise eine Reihe möglicher Entscheidungen vorhanden sind, die sich schnell abteilen, um einen Baum mit Auswahlmöglichkeiten zu erstellen. Die mit jeder Wahl verbundenen Wahrscheinlichkeiten unabhängig voneinander zu berechnen, wäre sehr zeitaufwändig. Der Mathematiker könnte auch eine optimale Lösung verpassen, indem er keine möglichen Entscheidungen zur Erforschung neuer Permutationen kombiniert. Genetische Optimierung erlaubens Forscher, um Berechnungen dieser Art effizienter durchzuführen.
Der Forscher beginnt mit einem Interesse, das als „Bevölkerung“ bezeichnet wird und in Individuen unterteilt werden kann, die manchmal als Kreaturen, Organismen oder Chromosomen bezeichnet werden. Diese aus der Biologie geliehenen Begriffe spiegeln die Ursprünge dieses Programmierungsansatzes wider. Ein Computer kann mit der Bevölkerung eine Simulation ausführen, einzelne Organismen innerhalb einer Generation auswählen und es ihnen ermöglichen, eine neue Generation zu schaffen. Dieser Vorgang kann über mehrere Generationen wiederholt werden, um mögliche Lösungen zu kombinieren und neu zu kombinieren, wobei idealerweise die am meisten geeignete Option für die angegebenen Bedingungen ankommt.
Dies kann extrem ressourcenschwer sein. Die in der genetischen Optimierung verwendeten Berechnungen erfordern eine signifikante Rechenleistung, um eine Reihe von Optionen und Kombinationen gleichzeitig schnell zu vergleichen und auszuwählen. Frühe Forschung inDie genetische Optimierung wurde manchmal durch die verfügbare Verarbeitungsleistung begrenzt, da Forscher die potenziellen Anwendungen sehen konnten, aber keine komplexen Programme ausführen konnten. Mit zunehmender Computerleistung tut auch der Nutzen dieser Methode, obwohl große und komplexe Berechnungen möglicherweise noch einen hochspezialisierten Computer erfordern.
Forscher im Bereich der Mathematik können in einer Vielzahl von Umgebungen mit genetischer Optimierung arbeiten. Die kontinuierliche Entwicklung neuer Formeln und Ansätze veranschaulicht die Entwicklung der Mathematik, da die Menschen über neue Wege erfahren, um komplexe Probleme zu berücksichtigen. Eine einfache genetische Optimierung ist bei der Arbeit in Einstellungen wie Software für Wertpapierhändler und Programmierungen für Spiele und virtuelle Realität zu sehen, in denen die Programmierer ein natürlicheres Erlebnis haben möchten.