유전자 최적화 란 무엇입니까?

유전자 최적화는 문제에 대한 최상의 솔루션을 찾기 위해 프로그래밍 알고리즘을 사용하는 것입니다. 이것은 생물학에서 본 모델을 취하여 기존의 방법으로는 해결하기 어려운 비선형 문제에 적용한 1950 년대 초반부터 시작된 수학자의 작업에서 시작되었습니다. 아이디어는 생물학을 모방하여 세대에 걸쳐 진화하여 가장 적합한 인구를 창출하는 것입니다. 프로그래밍에서이 프로세스를 시뮬레이션하여 문제에 대한 창의적인 솔루션을 만들 수 있습니다.

수학자에게는 비선형 문제가 어려울 수 있습니다. 증권 거래에서 예를 볼 수 있는데, 선택 트리를 만들기 위해 빠르게 분기되는 여러 가지 가능한 결정이있을 수 있습니다. 각 선택과 관련된 확률을 독립적으로 계산하려면 시간이 많이 걸립니다. 수학자는 새로운 선택을 탐색하기 위해 가능한 선택을 결합하지 못하면 최적의 솔루션을 놓칠 수도 있습니다. 유전자 최적화를 통해 연구원들은 이러한 특성을보다 효율적으로 계산할 수 있습니다.

연구원은“인구”로 알려진 관심 주제로 시작하는데, 이는 때때로 생물체, 유기체 또는 염색체로 알려진 개인으로 나눌 수 있습니다. 생물학에서 빌린 이러한 용어는 프로그래밍에 대한이 접근법의 기원을 반영합니다. 컴퓨터는 인구와 시뮬레이션을 시작하여 세대 내의 개별 유기체를 선택하고 새로운 세대를 만들기 위해 혼합 할 수 있습니다. 이 프로세스는 여러 세대에 걸쳐 반복되어 가능한 솔루션을 결합하고 재결합하여 주어진 조건에 가장 적합한 옵션에 이상적으로 도달 할 수 있습니다.

이는 리소스가 매우 무거울 수 있습니다. 유전자 최적화에 사용되는 계산에는 많은 옵션과 조합을 동시에 신속하게 비교하고 선택하려면 상당한 컴퓨팅 성능이 필요합니다. 연구자들이 잠재적 인 응용을 볼 수는 있지만 복잡한 프로그램을 실행할 수 없었기 때문에 유전자 최적화에 대한 초기 연구는 때때로 가용 한 처리 능력에 의해 제한되었습니다. 크고 복잡한 계산에는 여전히 고도로 전문화 된 컴퓨터가 필요할 수 있지만 컴퓨터 성능이 향상됨에 따라이 방법의 유용성도 향상됩니다.

수학 분야의 연구원은 다양한 환경에서 유전자 최적화 작업을 수행 할 수 있습니다. 새로운 공식과 접근법의 지속적인 개발은 사람들이 복잡한 문제를 고려할 새로운 방법에 대해 배우면서 수학의 진화를 보여줍니다. 프로그래머가 사용자에게보다 자연스러운 경험을 원할 경우 증권 거래 자용 소프트웨어, 게임용 프로그래밍 및 가상 현실과 같은 설정에서 간단한 유전자 최적화를 볼 수 있습니다.