Che cos'è l'ottimizzazione genetica?
L'ottimizzazione genetica è l'uso di algoritmi di programmazione per trovare la migliore soluzione a un problema. Questo ha le sue origini nel lavoro dei matematici a partire dagli anni '50 che hanno preso modelli che hanno visto in biologia e li hanno applicati a problemi non lineari che erano difficili da risolvere con mezzi convenzionali. L'idea è di imitare la biologia, che si evolve nel corso delle generazioni per creare la popolazione più adatta possibile. Nella programmazione, è possibile simulare questo processo per trovare una soluzione creativa a un problema.
I problemi non lineari possono essere impegnativi per i matematici. Un esempio può essere visto nel trading di titoli, in cui potrebbero esserci diverse possibili decisioni che si diramano rapidamente per creare un albero di scelte. Calcolare autonomamente le probabilità associate a ciascuna scelta richiederebbe molto tempo. Il matematico potrebbe anche perdere una soluzione ottimale non riuscendo a combinare le possibili scelte per esplorare nuove permutazioni. L'ottimizzazione genetica consente ai ricercatori di eseguire calcoli di questa natura in modo più efficiente.
Il ricercatore inizia con un argomento di interesse, noto come "popolazione", che può essere diviso in individui, a volte noti come creature, organismi o cromosomi. Questi termini, mutuati dalla biologia, riflettono le origini di questo approccio alla programmazione. Un computer può iniziare a eseguire una simulazione con la popolazione, selezionando i singoli organismi all'interno di una generazione e consentendo loro di mescolarsi per creare una nuova generazione. Questo processo può essere ripetuto per diverse generazioni per combinare e ricombinare possibili soluzioni, arrivando idealmente all'opzione più adatta alle condizioni date.
Questo può essere estremamente pesante in termini di risorse. I calcoli utilizzati nell'ottimizzazione genetica richiedono una notevole potenza di calcolo per confrontare e selezionare rapidamente una serie di opzioni e combinazioni contemporaneamente. Le prime ricerche sull'ottimizzazione genetica erano talvolta limitate dalla potenza di elaborazione disponibile, poiché i ricercatori potevano vedere le potenziali applicazioni, ma non potevano eseguire programmi complessi. All'aumentare della potenza del computer, anche l'utilità di questo metodo fa, sebbene calcoli ampi e complessi possano richiedere ancora un computer altamente specializzato.
I ricercatori nel campo della matematica possono lavorare con l'ottimizzazione genetica in una varietà di contesti. Lo sviluppo continuo di nuove formule e approcci illustra le evoluzioni in matematica mentre le persone apprendono nuovi modi di considerare problemi complessi. Qualche semplice ottimizzazione genetica può essere vista al lavoro in ambienti come software per i commercianti di titoli e programmazione per giochi e realtà virtuale in cui i programmatori vogliono che gli utenti vivano un'esperienza più naturale.