Apa itu optimasi genetik?
Optimalisasi genetik adalah penggunaan algoritma pemrograman untuk menemukan solusi terbaik untuk suatu masalah.Ini memiliki asal -usulnya dalam karya matematikawan mulai sejak tahun 1950 -an yang mengambil model yang mereka lihat dalam biologi dan menerapkannya pada masalah nonlinier yang sulit dipecahkan dengan cara konvensional.Idenya adalah untuk meniru biologi, yang berevolusi selama beberapa generasi untuk menciptakan populasi yang paling sesuai.Dalam pemrograman, dimungkinkan untuk mensimulasikan proses ini untuk menghasilkan solusi kreatif untuk suatu masalah.
Masalah nonlinier dapat menjadi tantangan bagi ahli matematika.Contoh dapat dilihat dalam perdagangan sekuritas, di mana mungkin ada sejumlah keputusan yang mungkin terjadi untuk membuat pohon pilihan.Untuk secara independen menghitung probabilitas yang terkait dengan setiap pilihan akan sangat memakan waktu.Matematikawan mungkin juga kehilangan solusi optimal dengan gagal menggabungkan kemungkinan pilihan untuk mengeksplorasi permutasi baru.Optimalisasi genetik memungkinkan para peneliti untuk melakukan perhitungan sifat ini dengan cara yang lebih efisien.
Peneliti dimulai dengan subjek yang diminati, yang dikenal sebagai "populasi," yang dapat dibagi menjadi individu, kadang -kadang dikenal sebagai makhluk, organisme, atau kromosom.Istilah -istilah ini, dipinjam dari biologi, mencerminkan asal -usul pendekatan ini terhadap pemrograman.Komputer dapat mulai menjalankan simulasi dengan populasi, memilih organisme individu dalam satu generasi dan memungkinkan mereka untuk mencampur untuk menciptakan generasi baru.Proses ini dapat diulang melalui beberapa generasi untuk menggabungkan dan menggabungkan kembali solusi yang mungkin, idealnya tiba pada opsi yang paling cocok untuk kondisi yang diberikan.
Ini bisa sangat berat sumber daya.Perhitungan yang digunakan dalam optimisasi genetik membutuhkan daya komputasi yang signifikan untuk dengan cepat membandingkan dan memilih sejumlah opsi dan kombinasi secara bersamaan.Penelitian awal tentang optimasi genetik kadang -kadang dibatasi oleh kekuatan pemrosesan yang tersedia, karena para peneliti dapat melihat aplikasi potensial, tetapi tidak dapat menjalankan program yang kompleks.Ketika daya komputer meningkat, kegunaan metode ini juga, meskipun perhitungan besar dan kompleks mungkin masih memerlukan komputer yang sangat khusus.
Peneliti di bidang matematika dapat bekerja dengan optimasi genetik dalam berbagai pengaturan.Pengembangan formula dan pendekatan baru yang sedang berlangsung menggambarkan evolusi dalam matematika ketika orang belajar tentang cara -cara baru untuk mempertimbangkan masalah yang kompleks.Beberapa optimasi genetik sederhana dapat dilihat di tempat kerja dalam pengaturan seperti perangkat lunak untuk pedagang sekuritas dan pemrograman untuk game dan realitas virtual di mana programmer ingin pengguna memiliki pengalaman yang lebih alami.