Was ist genetische Optimierung?
Genetische Optimierung ist die Verwendung von Programmieralgorithmen, um die beste Lösung für ein Problem zu finden. Dies hat seinen Ursprung in der Arbeit von Mathematikern, die bereits in den 1950er Jahren Modelle aus der Biologie verwendeten und sie auf nichtlineare Probleme anwendeten, die mit herkömmlichen Mitteln nur schwer zu lösen waren. Die Idee ist die Nachahmung der Biologie, die sich im Laufe der Generationen entwickelt, um eine möglichst gesunde Bevölkerung zu schaffen. Bei der Programmierung ist es möglich, diesen Prozess zu simulieren, um eine kreative Lösung für ein Problem zu finden.
Nichtlineare Probleme können für Mathematiker eine Herausforderung sein. Ein Beispiel hierfür ist der Wertpapierhandel, bei dem möglicherweise eine Reihe von Entscheidungen getroffen werden, die sich schnell zu einem Auswahlbaum verzweigen. Die mit jeder Wahl verbundenen Wahrscheinlichkeiten unabhängig zu berechnen, wäre sehr zeitaufwändig. Der Mathematiker könnte auch eine optimale Lösung verpassen, indem er mögliche Optionen nicht kombiniert, um neue Permutationen zu erkunden. Dank der genetischen Optimierung können Forscher solche Berechnungen effizienter durchführen.
Der Forscher beginnt mit einem interessanten Thema, das als "Population" bezeichnet wird und in Individuen unterteilt werden kann, die manchmal als Lebewesen, Organismen oder Chromosomen bezeichnet werden. Diese aus der Biologie entlehnten Begriffe spiegeln die Ursprünge dieses Programmieransatzes wider. Ein Computer kann beginnen, eine Simulation mit der Population durchzuführen, indem er einzelne Organismen innerhalb einer Generation auswählt und ihnen ermöglicht, sich zu vermischen, um eine neue Generation zu schaffen. Dieser Vorgang kann über mehrere Generationen hinweg wiederholt werden, um mögliche Lösungen zu kombinieren und neu zu kombinieren, um im Idealfall die für die gegebenen Bedingungen am besten geeignete Option zu finden.
Dies kann extrem ressourcenintensiv sein. Die bei der genetischen Optimierung verwendeten Berechnungen erfordern erhebliche Rechenleistung, um eine Reihe von Optionen und Kombinationen gleichzeitig schnell vergleichen und auswählen zu können. Frühe Forschungen zur genetischen Optimierung waren manchmal durch die verfügbare Verarbeitungsleistung begrenzt, da die Forscher die möglichen Anwendungen erkennen konnten, jedoch keine komplexen Programme ausführen konnten. Mit zunehmender Computerleistung ist diese Methode auch nützlich, obwohl große und komplexe Berechnungen möglicherweise immer noch einen hochspezialisierten Computer erfordern.
Forscher auf dem Gebiet der Mathematik können in einer Vielzahl von Umgebungen mit genetischer Optimierung arbeiten. Die ständige Entwicklung neuer Formeln und Ansätze veranschaulicht die Entwicklungen in der Mathematik, wenn Menschen neue Wege zur Berücksichtigung komplexer Probleme kennenlernen. Einige einfache genetische Optimierungen können bei der Arbeit in Umgebungen wie Software für Wertpapierhändler und Programmierung für Spiele und virtuelle Realität beobachtet werden, in denen die Programmierer den Benutzern ein natürlicheres Erlebnis bieten möchten.