Qu'est-ce que l'optimisation génétique?

L'optimisation génétique est l'utilisation d'algorithmes de programmation pour trouver la meilleure solution à un problème.Cela a ses origines dans le travail des mathématiciens à partir des années 1950 qui ont pris des modèles qu'ils ont vus en biologie et les ont appliqués à des problèmes non linéaires difficiles à résoudre par des moyens conventionnels.L'idée est d'imiter la biologie, qui évolue au cours des générations pour créer la population la plus apte possible.En programmation, il est possible de simuler ce processus pour trouver une solution créative à un problème.

Les problèmes non linéaires peuvent être difficiles pour les mathématiciens.Un exemple peut être vu dans le trading de valeurs mobilières, où il peut y avoir un certain nombre de décisions possibles qui se ramifient rapidement pour créer un arbre de choix.Calculer indépendamment les probabilités associées à chaque choix prendraient beaucoup de temps.Le mathématicien pourrait également manquer une solution optimale en ne combinant pas de choix possibles pour explorer de nouvelles permutations.L'optimisation génétique permet aux chercheurs d'effectuer des calculs de cette nature de manière plus efficace.

Le chercheur commence par un sujet d'intérêt, appelé «population», qui peut être divisé en individus, parfois appelés créatures, organismes ou chromosomes.Ces termes, empruntés à la biologie, reflètent les origines de cette approche de la programmation.Un ordinateur peut commencer à exécuter une simulation avec la population, en sélectionnant des organismes individuels dans une génération et en leur permettant de se mêler à une nouvelle génération.Ce processus peut être répété à travers plusieurs générations pour combiner et recombiner les solutions possibles, arrivant idéalement à l'option la plus ajustée pour les conditions données.

Cela peut être extrêmement lourd de ressources.Les calculs utilisés dans l'optimisation génétique nécessitent une puissance de calcul significative pour comparer et sélectionner rapidement un certain nombre d'options et de combinaisons simultanément.Les premières recherches sur l'optimisation génétique étaient parfois limitées par la puissance de traitement disponible, car les chercheurs pouvaient voir les applications potentielles, mais ne pouvaient pas exécuter des programmes complexes.À mesure que la puissance informatique augmente, l'utilité de cette méthode le fait également, bien que des calculs importants et complexes puissent toujours nécessiter un ordinateur hautement spécialisé.

Les chercheurs dans le domaine des mathématiques peuvent fonctionner avec l'optimisation génétique dans divers contextes.Le développement continu de nouvelles formules et approches illustre les évolutions en mathématiques alors que les gens apprennent de nouvelles façons de considérer des problèmes complexes.Une optimisation génétique simple peut être vue à l'œuvre dans des paramètres tels que des logiciels pour les commerçants de valeurs mobilières et la programmation pour les jeux et la réalité virtuelle où les programmeurs veulent que les utilisateurs aient une expérience plus naturelle.