遺伝的最適化とは何ですか？

遺伝的最適化とは、問題の最良の解決策を見つけるためにプログラミングアルゴリズムを使用することです。これは、生物学で見たモデルを取得し、従来の手段で解決するのが難しい非線形の問題にそれらを適用した1950年代に始まる数学者の仕事に起源があります。アイデアは、生物学を模倣することであり、生物学は世代を超えて進化して、可能な限り適切な人口を作成します。プログラミングでは、このプロセスをシミュレートするために、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。

非線形の問題は、数学者にとって挑戦的です。 例は、証券取引で見ることができます。そこでは、選択の木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。各選択に関連する確率を独立して計算することは非常に時間がかかります。また、数学者は、新しい順列を探求するために可能な選択肢を組み合わせることに失敗することにより、最適なソリューションを逃す可能性があります。遺伝的最適化許可より効率的な方法でこの性質の計算を実行する研究者。

研究者は、「人口」として知られる関心のある対象から始まります。「人口」は、生物、生物、または染色体として知られる個人に分けることができます。生物学から借りたこれらの用語は、プログラミングへの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、母集団とのシミュレーションの実行を開始し、世代内で個々の生物を選択し、インターミックスできるようにして新しい世代を作成できるようにします。このプロセスは、可能なソリューションを組み合わせて組み合わせて組み合わせて組み合わせて、特定の条件に最も適したオプションに到達することが理想的です。

を繰り返すことができます。

これは非常にリソースが重いことがあります。遺伝的最適化で使用される計算では、多く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に、重要なコンピューティングパワーが必要です。初期の研究研究者は潜在的なアプリケーションを見ることができたが、複雑なプログラムを実行できなかったため、遺伝的最適化は利用可能な処理能力によって制限されることがありました。コンピューターの電力が増加するにつれて、この方法のユーティリティも同様に行われますが、大規模で複雑な計算には高度に専門化されたコンピューター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と連携することができます。人々が複雑な問題を考慮する新しい方法について学ぶにつれて、新しいフォーミュラ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。セキュリティトレーダー向けのソフトウェアなどの設定や、プログラマーがユーザーにより自然な体験をしたいという仮想現実のプログラミングや仮想現実など、いくつかの簡単な遺伝的最適化を見ることができます。