Introduction
Un algorithme génétique est une méthode de recherche qui fonctionne de manière analogue à un processus évolutif dans un système biologique. Ils sont souvent utilisés pour trouver des solutions aux problèmes d'optimisation.
"la recherche et l'optimisation randomisé technique guidé par le principe des systèmes génétiques naturelles."
"algorithmes génétiques sont des algorithmes de recherche basés sur la mécanique de la sélection naturelle et de la génétique naturelles.
"
" algorithmes génétiques sont des logiciels, des procédures modélisées après génétique et l'évolution. "
Il ya toujours un besoin d'une meilleure recherche et l'optimisation technique dans tous les domaines. Mais, il ya très peu de méthodes qui fonctionnent mieux et plus vite sur énorme masse d'informations.
Le champ de l'algorithme génétique est relativement intacte. Même son pouvoir est toujours pas exploité d'une manière appropriée. Algorithmes génétiques garantit un accès plus rapide et mieux énorme d'informations d'une manière très robuste.
Objectif et portée
L'objectif de la GA est de trouver une solution optimale à un problème. Comme le gaz sont des procédures heuristiques, ils ne sont pas garantis pour trouver la solution optimale, mais ils sont en mesure de trouver de très bonnes solutions pour un large éventail de problèmes
.
Les algorithmes génétiques sont des techniques de recherche, optimisation et apprentissage machine basés sur les mécanismes de la sélection naturelle et naturel Genetics.
Selon les principes de la sélection naturelle darwinienne, que ces organismes survivent et se reproduisent qui sont adaptés à leur environnement. Et donc, la progéniture des parents plus aptes (éventuellement) obtient la meilleure partie de leurs parents. Ce processus met à niveau la nouvelle population.
GA utilise le même concept pour trouver la solution. Il trouve des parents plus aptes (solution) à partir de l'espace de recherche, puis les utilise dans la reproduction pour former les solutions progéniture améliorés.
Le thème central de la recherche sur les algorithmes génétiques a été robustesse, Si systèmes artificiels peuvent être rendues plus refontes coûteuses robustes peuvent être réduits ou éliminés. En outre, si des niveaux plus élevés d'adaptation peuvent être atteints, les systèmes existants peuvent effectuer leurs fonctions mieux et plus longtemps.
Les algori