Qu'est-ce que l'optimisation génétique?
L'optimisation génétique consiste à utiliser des algorithmes de programmation pour trouver la meilleure solution à un problème. Cela a ses origines dans les travaux des mathématiciens qui ont commencé dès les années 1950 à prendre des modèles qu’ils voyaient en biologie et à les appliquer à des problèmes non linéaires difficiles à résoudre par des moyens conventionnels. L'idée est d'imiter la biologie, qui évolue au fil des générations pour créer la population la plus adaptée possible. En programmation, il est possible de simuler ce processus pour trouver une solution créative à un problème.
Les problèmes non linéaires peuvent être difficiles pour les mathématiciens. Un exemple peut être vu dans le négoce de titres, où il peut y avoir un certain nombre de décisions possibles qui se divisent rapidement pour créer une arborescence de choix. Calculer de manière indépendante les probabilités associées à chaque choix prendrait beaucoup de temps. Le mathématicien pourrait également manquer une solution optimale en ne combinant pas les choix possibles pour explorer de nouvelles permutations. L'optimisation génétique permet aux chercheurs d'effectuer des calculs de cette nature de manière plus efficace.
Le chercheur commence par un sujet d'intérêt, appelé «population», qui peut être divisé en individus, parfois appelés créatures, organismes ou chromosomes. Ces termes, empruntés à la biologie, reflètent les origines de cette approche de la programmation. Un ordinateur peut commencer à exécuter une simulation avec la population, en sélectionnant des organismes individuels au sein d'une génération et en leur permettant de se mélanger pour créer une nouvelle génération. Ce processus peut être répété sur plusieurs générations pour combiner et recombiner les solutions possibles, en vue d'atteindre l'option idéale pour les conditions données.
Cela peut être extrêmement lourd en ressources. Les calculs utilisés en optimisation génétique nécessitent une puissance de calcul importante pour pouvoir comparer et sélectionner rapidement plusieurs options et combinaisons simultanément. Les premières recherches sur l'optimisation génétique étaient parfois limitées par la puissance de traitement disponible, car les chercheurs pouvaient voir les applications potentielles, mais ne pouvaient pas exécuter de programmes complexes. Au fur et à mesure que la puissance de l'ordinateur augmente, cette méthode est également utile, même si des calculs volumineux et complexes peuvent toujours nécessiter un ordinateur hautement spécialisé.
Les chercheurs dans le domaine des mathématiques peuvent travailler avec l'optimisation génétique dans divers contextes. Le développement en cours de nouvelles formules et approches illustre les évolutions des mathématiques au fur et à mesure que les gens découvrent de nouvelles façons de considérer des problèmes complexes. Certaines optimisations génétiques simples peuvent être observées au travail dans des environnements tels que les logiciels pour les négociants en valeurs mobilières et la programmation pour les jeux et la réalité virtuelle, où les programmeurs souhaitent que les utilisateurs aient une expérience plus naturelle.