о пошуку Растрігін Л.А. був запропонований ряд алгоритмів, що використовують ідей бионического поведінки особин. Розвиток цих ідей знайшов відображення у циклі робіт Букатовой І.Л. по еволюційному моделювання. Розвиваючи ідеї Цетлін М.Л. про доцільний і оптимальному поведінці стохастичних автоматів, Неймарк Ю.І. запропонував здійснювати пошук глобального екстремуму на основі колективу незалежних автоматів, моделюючих процеси розвитку та елімінації особин. Великий внесок у розвиток еволюційного програмування внесли Фогел (Fogel) і Уолш (Walsh). Незважаючи на різницю в підходах, кожна з цих «шкіл» взяла за основу низку принципів, що існують в природі, і спростила їх до такої міри, щоб їх можна було реалізувати на комп'ютері.
Еволюційні алгоритми
Головна трудність з можливістю побудови обчислювальних систем, заснованих на принципах природного відбору і застосуванням цих систем у прикладних задачах, полягає в тому, що природні системи досить хаотичні, а всі наші дії, фактично, носять чітку спрямованість. Ми використовуємо комп'ютер як інструмент для вирішення певних завдань, які ми самі і формулюємо, і ми акцентуємо увагу на максимально швидкому виконанні при мінімальних витратах. Природні системи не мають ніяких таких цілей чи обмежень, у всякому разі нам вони не очевидні. Виживання в природі не спрямовано до деякої фіксованої мети, замість цього еволюція робить крок вперед в будь-якому доступному напрямку.
Можливо це велике узагальнення, але я вважаю, що зусилля, спрямовані на моделювання еволюції за аналогією з природними системами, до теперішнього часу можна розбити на дві великі категорії: 1) системи, які змодельовані на біологічних принципах. Вони успішно використовувалися для завдань типу функціональної оптимізації і можуть легко бути описані на небіологічному мовою, 2) системи, які є біологічно більш реалістичними, але які не опинилися особливо корисними в прикладному сенсі. Вони більше схожі на біологічні системи і менш спрямовані (або ненаправлени зовсім). Вони володіють складним і цікавим поведінкою, і, мабуть, незабаром отримають практичне застосування.
Звичайно, на практиці ми не можемо розділяти ці речі так строго. Ці категорії - просто два полюси, між якими лежать різні обчислювальні системи. Ближче до першого полюса - еволюційні алгоритми, такі як Еволюційне Програмування (Evolutionary Programming), Генетичні Алгоритми (Genetic Algorithms) і Еволюційні Стратегії (Evolution Strategies). Ближче до другого полюса - системи, які можуть бути класифіковані як Штучна Життя (Artificial Life).
Звичайно, еволюція біологічних систем не єдиний «джерело натхнення» творців нових методів, що моделюють природні процеси. Нейронні мережі (neural networks), наприклад, засновані на моделюванні поведінки нейронів у мозку. Вони можуть використовуватися для ряду задач класифікації, наприклад, задачі розпізнавання образів, машинного навчання, обробки зображень і ін Область їх застосування частково перекривається зі сферою застосування ГА. Модельований отжиг (simulated annealing) - інша методика пошуку, яка заснована скоріше на фізичних, а не біологічних процесах.
Генетичні алгоритми в різних формах застосувались до багатьох науковим і технічним проблемам. Генетичні алгоритми використовувалися при створенні інших обчислювальних структур, наприклад, ...
