Эволюционная оптимизация

В алгоритмах эволюционной оптимизации используются идеи естественного процесса генезиса (естественного отбора). Используются формальные категории: популяция, индивид, особь, скрещивания, мутации и отбор по критерию.

Популяция - совокупность всех рассматриваемых возможных решений,

Особь (индивидуум) – одно из возможных решений, в т.ч. оптимальное,

Ген – переменная в возможном решении (в особи),

Аллель – генетический атом в гене (бит в переменной).

Популяция = совокупность возможных решений (индивидов, особей). Каждый индивид – совокупность генов, т.е. искомых переменных. Проводится математический генезис и отбор из большого числа особей по некоторому критерию, заданному пользователем. Новые (дочерние) особи наследуют некоторые признаки и свойства старых (родительских), причем каждый дочерний элемент может наследовать свойства и признаки разных родителей - это эффект скрещивания.

Хромосома (искомая переменная) – рассматривается как двоичное число. Скрещивание особей производится путем скрещивания их одноименных хромосом (одинаковые переменные в разнвх особях).

i-я хромосома k-ой особи =

i-я хромосома (k+1)-ой особи =

Скрещивание особей производится путем скрещивания их одноименных хромосом (одинаковых переменных в скрещиваемых особях).

Процесс математического генезиса имеет свойство авторегулирования (сходимости), для этого в генерации дочерних особей участвуют те родители, свойства и признаки которых наиболее соответствуют целевому критерию.

Решение задач оптимизации с использованием эволюционных алгоритмов представляет собой реализацию метода стохастического градиентного спуска (Дарвин алгоритм), при котором исследование пространства возможных решений производится одновременно из множества исходных точек (индивидов популяции).