Определения и понятия генетических алгоритмов

Сила ГА заключена в его способности манипулировать одновременно многими параметрами. Алгоритмы хорошо работают при решении крупномасштабных проблем оптимизации, могут быть использованы для широкого класса задач, просты и прозрачны в реализации, применимы в задачах с изменяющейся средой.

Итак, цель генетических алгоритмов состоит в том, чтобы:

· абстрактно и формально объяснять адаптацию процессов в естественной системе и интеллектуальной исследовательской системе;

· моделировать естественные эволюционные процессы для эффективного решения оптимизационных задач науки и техники.

Генетические алгоритмы отличаются от других оптимизационных и поисковых процедур следующим:

· работают в основном не с параметрами задачи, а с закодированным множеством параметров;

· осуществляют поиск не путем улучшения одного решения, а путем использования сразу нескольких альтернатив на заданном множестве решений;

· используют целевую функцию,а не ее различные приращения для оценки качества принятия решений;

· применяют не детерминированные, а вероятностные правила анализа оптимизационных задач.

Для работы генетических алгоритмов выбирают множество натуральных параметров оптимизационной проблемы и кодируют их в последовательность конечной длины в некотором алфавите. Они работают до тех пор, пока не будет выполнено заданное число генераций (итераций алгоритма) или на некоторой генерации будет получено решение определенного качества, или когда найден локальный оптимум, т. е. возникла преждевременная сходимость и алгоритм не может найти выход из этого состояния. В отличие от других методов оптимизации эти алгоритмы, как правило, анализируют различные области пространства решений одновременно и поэтому они более приспособлены к нахождению новых областей с лучшими значениями целевой функции.

Традиционные оптимизационные алгоритмы для нахождения лучшего решения используют большое количество допущений при оценке целевой функции. Эволюционный подход не требует таких допущений, что расширяет класс задач, которые можно решать с помощью генетических алгоритмов. Согласно существующим исследованиям можно сказать, что генетические алгоритмы позволяют решать те проблемы, решение которых традиционными алгоритмами затруднительно.

Генетический алгоритм дает преимущества при решении практических задач. Одно из них – это адаптация к изменяющейся окружающей среде. В реальной жизни проблема, которая была поставлена для решения изначально, может претерпеть огромные изменения в процессе своего решения. При использовании традиционных методов все вычисления приходится начинать заново, что приводит к большим затратам машинного времени. При эволюционном подходе популяцию можно анализировать, дополнять и видоизменять применительно к изменяющимся условиям, для этого не требуется полный перебор. Другое преимущество генетических алгоритмов для решения задач состоит в способности быстрой генерации достаточно хороших решений.

На производстве часто стоит задача поиска приемлемого обоснованного решения, что при использовании эволюционных методов всегда достигается. В подавляющем большинстве случаев использование естественных аналогов дает положительные результаты. Это объясняется тем, что аналог, взятый из природы, совершенствовался в течение многих лет эволюции и имеет на данный момент оптимальную структуру. Поэтому актуальность применения генетических методов очевидна.