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 dos matemáticos que começam desde os anos 50 que receberam 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 das gerações para criar a população mais apta possível. Na programação, é possível simular esse processo para encontrar uma solução criativa para um problema.
Problemas não lineares podem ser desafiadores para os matemáticos. Um exemplo pode ser visto na negociação de valores mobiliários, onde pode haver várias decisões possíveis que se ramificam rapidamente para criar uma árvore de opções. Calcular independentemente as probabilidades associadas a cada opção seria muito demorado. O matemático também pode perder uma solução ideal ao não combinar possíveis opções para explorar novas permutações. Otimização genética permiteOs pesquisadores para realizar cálculos dessa natureza de uma 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. Estes termos, emprestados da biologia, refletem as origens dessa abordagem para a programação. Um computador pode começar a executar uma simulação com a população, selecionando organismos individuais dentro de uma geração e permitindo que eles misturem para criar uma nova geração. Esse processo pode ser repetido ao longo de várias gerações para combinar e recombinar soluções possíveis, idealmente chegando à opção mais adequada para as condições fornecidas.
Isso pode ser extremamente pesado com recursos. Os cálculos utilizados na otimização genética requerem poder de computação significativo para comparar e selecionar rapidamente várias opções e combinações simultaneamente. Pesquisa inicial emto genetic optimization was sometimes limited by available processing power, as researchers could see the potential applications, but couldn't execute complex programs. As computer power increases, the utility of this method does as well, although large and complex calculations may still require a highly specialized computer.
Pesquisadores no campo da matemática podem trabalhar com otimização genética em uma variedade de configurações. Ongoing development of new formulas and approaches illustrates evolutions in mathematics as people learn about new ways to consider complex problems. Some simple genetic optimization can be seen at work in settings like software for securities traders and programming for games and virtual reality where the programmers want users to have a more natural experience.