O que é otimização genética?
Otimização genética é o uso de algoritmos de programação para encontrar a melhor solução para um problema. Isso tem suas origens no trabalho de matemáticos desde a década de 1950, que pegaram modelos que viram na biologia e os aplicaram a problemas não-lineares difíceis de resolver por meios convencionais. A idéia é imitar a biologia, que evolui ao longo de gerações para criar a população mais apta possível. Na programação, é possível simular esse processo para criar uma solução criativa para um problema.
Problemas não lineares podem ser um desafio para os matemáticos. Um exemplo pode ser visto na negociação de valores mobiliários, onde pode haver várias decisões possíveis que rapidamente se ramificam para criar uma árvore de opções. Calcular independentemente as probabilidades associadas a cada escolha consumiria muito tempo. O matemático também pode perder uma solução ótima, ao não combinar opções possíveis para explorar novas permutações. A otimização genética permite que os pesquisadores realizem cálculos dessa natureza de maneira mais eficiente.
O pesquisador começa com um assunto de interesse, conhecido como "população", que pode ser dividido em indivíduos, às vezes conhecidos como criaturas, organismos ou cromossomos. Esses termos, emprestados da biologia, refletem as origens dessa abordagem de programação. Um computador pode começar a executar uma simulação com a população, selecionando organismos individuais dentro de uma geração e permitindo que eles se misturem para criar uma nova geração. Esse processo pode ser repetido por várias gerações para combinar e recombinar possíveis soluções, chegando idealmente à opção mais adequada para as condições especificadas.
Isso pode ser extremamente pesado em recursos. Os cálculos usados na otimização genética requerem um poder computacional significativo para comparar e selecionar rapidamente várias opções e combinações simultaneamente. As pesquisas iniciais sobre otimização genética às vezes eram limitadas pelo poder de processamento disponível, pois os pesquisadores podiam ver as aplicações em potencial, mas não podiam executar programas complexos. À medida que a energia do computador aumenta, a utilidade desse método também aumenta, embora cálculos grandes e complexos ainda possam exigir um computador altamente especializado.
Pesquisadores no campo da matemática podem trabalhar com otimização genética em uma variedade de configurações. O desenvolvimento contínuo de novas fórmulas e abordagens ilustra as evoluções da matemática, à medida que as pessoas aprendem sobre novas maneiras de considerar problemas complexos. Alguma otimização genética simples pode ser vista trabalhando em configurações como software para negociantes de valores mobiliários e programação de jogos e realidade virtual, onde os programadores desejam que os usuários tenham uma experiência mais natural.