遺伝的最適化とは

遺伝的最適化とは、プログラミングアルゴリズムを使用して、問題の最適な解決策を見つけることです。 これは、生物学で見たモデルを取り、従来の方法では解決が困難であった非線形問題に適用した1950年代に始まった数学者の仕事にその起源があります。 アイデアは、生物学を模倣することであり、これは世代を経て進化し、最も適切な可能な集団を作成します。 プログラミングでは、このプロセスをシミュレートして、問題に対する創造的な解決策を考え出すことができます。

数学者にとって、非線形問題は困難な場合があります。 例は証券取引で見られます。そこでは、選択のツリーを作成するためにすぐに分岐する多くの可能な決定があるかもしれません。 各選択に関連付けられた確率を独立して計算するには、非常に時間がかかります。 また、数学者は、可能な選択肢を組み合わせて新しい順列を探索することを怠ると、最適なソリューションを逃す可能性があります。 遺伝的最適化により、研究者はこの性質の計算をより効率的な方法で実行できます。

研究者は、「個体群」として知られる関心のある主題から始めます。これは、生物、生物、または染色体として知られることもある個人に分けることができます。 生物学から借用したこれらの用語は、プログラミングに対するこのアプローチの起源を反映しています。 コンピューターは、集団でシミュレーションを実行し、世代内の個々の生物を選択し、それらを混ぜ合わせて新しい世代を作成することができます。 このプロセスを数世代にわたって繰り返して、可能なソリューションを組み合わせて再結合し、特定の条件に最適なオプションに到達することが理想的です。

これは非常にリソースを大量に消費する可能性があります。 遺伝的最適化で使用される計算には、多数のオプションと組み合わせを同時に迅速に比較および選択するための大きな計算能力が必要です。 遺伝的最適化の初期の研究は、利用可能な処理能力によって制限される場合がありました。研究者は潜在的なアプリケーションを見ることができましたが、複雑なプログラムを実行できませんでした。 コンピュータの処理能力が向上すると、この方法のユーティリティも同様に機能しますが、大規模で複雑な計算には高度な専用コンピュータが必要になる場合があります。

数学の分野の研究者は、さまざまな設定で遺伝的最適化を行うことができます。 人々が複雑な問題を検討する新しい方法について学ぶにつれて、新しい式とアプローチの継続的な開発は数学の進化を示しています。 プログラマーがユーザーにもっと自然な体験をして欲しいと望んでいる証券トレーダー向けのソフトウェアやゲームや仮想現実のプログラミングなどの設定で、いくつかの単純な遺伝的最適化が見られます。