Co je genetická optimalizace?
Genetická optimalizace je použití programovacích algoritmů k nalezení nejlepšího řešení problému. To má svůj původ v práci matematiků počínaje padesátými léty, kteří vzali modely, které viděli v biologii, a aplikovali je na nelineární problémy, které bylo obtížné řešit konvenčními prostředky. Cílem je napodobit biologii, která se vyvíjí v průběhu generací a vytváří nejvhodnější populaci. Při programování je možné tento proces simulovat, aby přišel s kreativním řešením problému.
Nelineární problémy mohou být pro matematiky náročné. Příklad lze vidět v obchodování s cennými papíry, kde může existovat řada možných rozhodnutí, která se rychle rozvětvují a vytvoří strom možností. Nezávisle spočítat pravděpodobnosti spojené s každou volbou by bylo velmi časově náročné. Matematik by také mohl vynechat optimální řešení tím, že nedokáže kombinovat možná rozhodnutí zkoumat nové permutace. Genetická optimalizace umožňuje vědcům provádět výpočty této povahy efektivněji.
Výzkumník začíná předmětem zájmu, známým jako „populace“, který lze rozdělit na jednotlivce, někdy označované jako bytosti, organismy nebo chromozomy. Tyto pojmy, vypůjčené z biologie, odrážejí původ tohoto přístupu k programování. Počítač může zahájit simulaci s populací, vybírat jednotlivé organismy v rámci generace a umožnit jim promíchat se a vytvořit novou generaci. Tento proces může být opakován několika generacemi, aby se zkombinovaly a rekombinovaly možná řešení, ideálně k nejvhodnější variantě pro dané podmínky.
To může být velmi náročné na zdroje. Výpočty používané při genetické optimalizaci vyžadují značnou výpočetní sílu pro rychlé porovnání a výběr několika možností a kombinací současně. Časný výzkum v oblasti genetické optimalizace byl někdy omezen dostupnou výkonností zpracování, protože vědci viděli potenciální aplikace, ale nemohli provádět složité programy. Se zvyšujícím se výkonem počítače pomáhá i tato metoda, ačkoli velké a složité výpočty mohou vyžadovat vysoce specializovaný počítač.
Vědci v oblasti matematiky mohou pracovat s genetickou optimalizací v různých prostředích. Průběžný vývoj nových vzorců a přístupů ilustruje vývoj v matematice, když se lidé učí o nových způsobech, jak zvážit složité problémy. Některé jednoduché genetické optimalizace lze vidět při práci v prostředích, jako je software pro obchodníky s cennými papíry a programování pro hry a virtuální realitu, kde programátoři chtějí, aby uživatelé měli přirozenější zážitek.