Vad är genetisk optimering?

Genetisk optimering är användningen av programmeringsalgoritmer för att hitta den bästa lösningen på ett problem.Detta har sitt ursprung i matematikernas arbete som började redan på 1950 -talet som tog modeller som de såg i biologi och använde dem på olinjära problem som var svåra att lösa med konventionella medel.Tanken är att efterlikna biologi, som utvecklas under generationernas gång för att skapa den fittest möjliga befolkningen.Vid programmering är det möjligt att simulera denna process för att komma med en kreativ lösning på ett problem.

Icke -linjära problem kan vara utmanande för matematiker.Ett exempel kan ses i värdepappershandel, där det kan finnas ett antal möjliga beslut som snabbt förgrenar sig för att skapa ett träd med val.Att oberoende beräkna sannolikheterna som är förknippade med varje val skulle vara mycket tidskrävande.Matematikern kan också missa en optimal lösning genom att inte kombinera möjliga val för att utforska nya permutationer.Genetisk optimering gör det möjligt för forskare att utföra beräkningar av denna art på ett mer effektivt sätt.

Forskaren börjar med ett intresse, känt som en "befolkning", som kan delas upp i individer, ibland kända som varelser, organismer eller kromosomer.Dessa termer, lånade från biologi, återspeglar ursprunget till denna strategi för programmering.En dator kan börja köra en simulering med befolkningen, välja enskilda organismer inom en generation och låta dem blanda sig för att skapa en ny generation.Denna process kan upprepas genom flera generationer för att kombinera och rekombina möjliga lösningar, och helst anländer till det mest passande alternativet för de givna förhållandena.

Detta kan vara extremt resurstung.Beräkningarna som används i genetisk optimering kräver betydande datorkraft för att snabbt jämföra och välja ett antal alternativ och kombinationer samtidigt.Tidig forskning om genetisk optimering begränsades ibland av tillgänglig bearbetningskraft, eftersom forskare kunde se de potentiella tillämpningarna, men kunde inte genomföra komplexa program.När datorkraften ökar gör användbarheten av denna metod också, även om stora och komplexa beräkningar fortfarande kan kräva en mycket specialiserad dator.

Forskare inom matematikområdet kan arbeta med genetisk optimering i olika inställningar.Pågående utveckling av nya formler och tillvägagångssätt illustrerar utvecklingar i matematik när människor lär sig om nya sätt att överväga komplexa problem.Någon enkel genetisk optimering kan ses i arbete i inställningar som programvara för värdepappershandlare och programmering för spel och virtuell verklighet där programmerarna vill att användare ska ha en mer naturlig upplevelse.