Поведінка агентів визначається навколишнім середовищем. Безліч агентів прийнято називати популяцією. Така популяція еволюціонує відповідно до правил відбору відповідно до цільової функцією, яка задається навколишнім середовищем. Таким чином, кожному агенту (індивідууму) популяції призначається значення його придатності в навколишньому середовищі. Розмножуються тільки найбільш придатні види. Рекомбінація і мутація дозволяють змінюватися агентам і пристосовуватися до середовища. Такі алгоритми відносяться до адаптивним пошуковим механізмам.
Еволюційні алгоритми успішно використовувалися для завдань типу функціональної оптимізації і можуть легко бути описані на математичній мові.
Еволюційні алгоритми використовуються при комбінаторної оптимізації, зокрема при вирішенні класичних NP-повних проблем, таких як задача комівояжера, задача упаковки ранця, розбиття чисел, максимально незалежна безліч і замальовка графів.
Можливість використання еволюційних алгоритмів у музиці активно досліджується в Австрії, в першу чергу при спробах моделювання гри на музичних інструментах відомими людьми різних епох.
Генет? чний алгоритми? тм (англ. genetic algorithm) - це евристичний алгоритм пошуку, використовуваний для вирішення завдань оптимізації та моделювання шляхом випадкового підбору, комбінування і варіації шуканих параметрів з використанням механізмів, аналогічних природному відбору в природі. Є різновидом еволюційних обчислень, за допомогою яких вирішуються оптимізаційні задачі з використанням методів природної еволюції, таких як успадкування, мутації, відбір і кросинговер. Відмінною особливістю генетичного алгоритму є акцент на використання оператора «схрещування», який виробляє операцію рекомбінації рішень-кандидатів, роль якої аналогічна ролі схрещування в живій природі.
Генетичні алгоритми застосовуються для вирішення наступних завдань:
) Оптимізація функцій
2) Оптимізація запитів в базах даних
) Різноманітні завдання на графах (задача комівояжера, розфарбування, знаходження паросполучення)
) Налаштуванняа й навчання штучної нейронної мережі
) Завдання компонування
) Складання розкладів
) Ігрові стратегії
) Теорія наближень
) Штучна життя
) Біоінформатика (фолдінг білків)
Генетичний алгоритм - це в першу чергу еволюційний алгоритм, іншими словами, основна фішка алгоритму - схрещування (комбінування). Як нескладно здогадатися ідея алгоритму нахабним чином взята у природи, благо вона не подасть на це до суду. Так от, шляхом перебору і найголовніше відбору виходить правильна «комбінація».
Алгоритм ділиться на три етапи:
) Схрещування
2) Селекція (відбір)
) Формування нового покоління
Якщо результат нас не влаштовує, ці кроки повторюються до тих пір, поки результат нас не почне задовольняти чи відбудеться одне з нижче перерахованих умов :) Кількість поколінь (циклів) досягне заздалегідь обраного максимуму
b) вичерпати час на мутацію
Стратегії відбору (selection ...
