การเพิ่มประสิทธิภาพทางพันธุกรรมคือการใช้อัลกอริทึมการเขียนโปรแกรมเพื่อค้นหาทางออกที่ดีที่สุดสำหรับปัญหา สิ่งนี้มีต้นกำเนิดในการทำงานของนักคณิตศาสตร์ที่เริ่มต้นในช่วงต้นทศวรรษ 1950 ที่ใช้แบบจำลองที่พวกเขาเห็นในชีววิทยาและนำไปใช้กับปัญหาที่ไม่เชิงเส้นซึ่งยากที่จะแก้ไขโดยวิธีการทั่วไป ความคิดคือการเลียนแบบชีววิทยาซึ่งวิวัฒนาการในช่วงหลายชั่วอายุคนเพื่อสร้างประชากรที่เหมาะสมที่สุด ในการเขียนโปรแกรมเป็นไปได้ที่จะจำลองกระบวนการนี้เพื่อหาวิธีแก้ไขปัญหาที่สร้างสรรค์
ปัญหาที่ไม่เชิงเส้นอาจเป็นสิ่งที่ท้าทายสำหรับนักคณิตศาสตร์ ตัวอย่างสามารถเห็นได้ในการซื้อขายหลักทรัพย์ซึ่งอาจมีจำนวนของการตัดสินใจที่เป็นไปได้ซึ่งสาขาปิดอย่างรวดเร็วเพื่อสร้างต้นไม้ของตัวเลือก หากต้องการคำนวณความน่าจะเป็นที่เกี่ยวข้องกับตัวเลือกแต่ละรายการอย่างอิสระจะใช้เวลานานมาก นักคณิตศาสตร์อาจพลาดวิธีที่ดีที่สุดโดยไม่รวมตัวเลือกที่เป็นไปได้ในการสำรวจการเปลี่ยนลำดับใหม่ การปรับให้เหมาะสมทางพันธุกรรมช่วยให้นักวิจัยทำการคำนวณลักษณะนี้ในวิธีที่มีประสิทธิภาพมากขึ้น
นักวิจัยเริ่มต้นด้วยหัวข้อที่สนใจหรือที่เรียกว่า "ประชากร" ซึ่งสามารถแบ่งออกเป็นแต่ละบุคคลซึ่งบางครั้งเรียกว่าสิ่งมีชีวิตสิ่งมีชีวิตหรือโครโมโซม เงื่อนไขเหล่านี้ยืมมาจากชีววิทยาสะท้อนให้เห็นถึงต้นกำเนิดของวิธีการนี้ในการเขียนโปรแกรม คอมพิวเตอร์สามารถเริ่มทำการจำลองด้วยประชากรเลือกสิ่งมีชีวิตแต่ละตัวในรุ่นและอนุญาตให้พวกเขาผสมเพื่อสร้างคนรุ่นใหม่ กระบวนการนี้สามารถทำซ้ำได้หลายชั่วอายุคนเพื่อรวมและรวมวิธีการแก้ปัญหาที่เป็นไปได้เข้าด้วยกันใหม่โดยพิจารณาถึงตัวเลือกที่เหมาะสมที่สุดสำหรับเงื่อนไขที่กำหนด
นี่อาจเป็นทรัพยากรที่หนักมาก การคำนวณที่ใช้ในการเพิ่มประสิทธิภาพทางพันธุกรรมต้องการพลังการประมวลผลที่สำคัญในการเปรียบเทียบและเลือกจำนวนของตัวเลือกและการรวมกันอย่างรวดเร็ว การวิจัยก่อนหน้านี้เกี่ยวกับการปรับให้เหมาะสมทางพันธุกรรมบางครั้งถูก จำกัด ด้วยพลังการประมวลผลที่มีอยู่เนื่องจากนักวิจัยสามารถมองเห็นการใช้งานที่มีศักยภาพ เมื่อพลังงานของคอมพิวเตอร์เพิ่มขึ้นประโยชน์ของวิธีนี้ก็ทำได้เช่นกันแม้ว่าการคำนวณขนาดใหญ่และซับซ้อนอาจยังต้องใช้คอมพิวเตอร์ที่มีความเชี่ยวชาญสูง
นักวิจัยในสาขาคณิตศาสตร์สามารถทำงานกับการเพิ่มประสิทธิภาพทางพันธุกรรมในการตั้งค่าที่หลากหลาย การพัฒนาสูตรและแนวทางใหม่อย่างต่อเนื่องแสดงให้เห็นถึงวิวัฒนาการทางคณิตศาสตร์ในขณะที่ผู้คนเรียนรู้เกี่ยวกับวิธีการใหม่ในการพิจารณาปัญหาที่ซับซ้อน การปรับแต่งทางพันธุกรรมอย่างง่ายบางอย่างสามารถเห็นได้ในที่ทำงานในการตั้งค่าเช่นซอฟต์แวร์สำหรับผู้ค้าหลักทรัพย์และการเขียนโปรแกรมสำหรับเกมและความเป็นจริงเสมือนที่โปรแกรมเมอร์ต้องการให้ผู้ใช้มีประสบการณ์ที่เป็นธรรมชาติมากขึ้น
