Algoritmi genetici pentru rezolvarea problemelor prin - Sorin ...

une solutii posibil. Strategiile elitiste sunt cele care vin sa depaseasca acesta
problema prin copierea celui mai bun membru al fiecarei generatii in generatia
urmatoare. Desi aceasta strategie poate mari viteza de dominare a unei populatii
de catre un sir puternic (sir cu o valoare mare a fitness-ului), ea mareste
performantele unui algoritm genetic folosind inlocuirea generatiilor. Recent au
fost introduse conceptele de algoritmi genetici distribuiti si de algoritmi genetici
paraleli.
Caracteristici distinctive – Urmatoarele caracteristici faciliteaza algoritmii
genetici sa-si mareasca aplicabilitatea peste cele mai multe din strategiile de
optimizare si de cautare:
Algoritmii genetici lucreaza sim ultan pe mai multe puncte si nu pe unul
singur, ceea ce ajuta la introducerea unui paralelism implicit puternic in
procedura computationala. Aceasta caracteristica previne si faptul ca algoritmul
genetic sa nu se “impotmoloeasca” intr-un minim local.
Algoritmii genetici lucreaza cu o multime de parametri codificati, nu cu
parametrii insusi. De aceea, rezolutia spatiului de cautare posibil poate fi
controlata prin varierea lungimii codificarii parametrilor.
In algoritmii genetici nu e necesar ca spatiul de cautare sa fie continuu
(spre deosebire de metodele de cautare bazate pe calcul).
Algoritmii genetici sunt orbi. Ei folosesc doar informatia functiei de
evaluare si nu au nevoie de informati auxiliare, cum ar fi derivari din functia de
optimizare.
Algoritmii genetici folosesc reguli de tranzitie probabilistice, nu
deterministice.
Recent, algoritmii genetici gasesc aplicatii foarte raspandite in rezolvarea
problemelor care cer cautari eficiente si practice in cercurile de afaceri, de stiinta
si cele ingineresti, de exemplu: sinteza arhitecturii retelelor neuronale, problema
comis-voiajorului, a colorarii grafurilor, optimizari numerice, sisteme de
clasificare, recunoastere de forme, etc.
11