BULETINUL POMPIERILOR Nr. 1/2012 - IGSU

Fig. 1.Orice algoritm eficient de optimizare trebuie să îmbine două caracteristici principale:- explorarea, pentru a investiga domenii noi de căutare;- exploatarea, pentru a valorifica soluţiile bune găsite.Aceste cerinţe sunt contradictorii, iar un algoritm bun trebuie să găsească cel mai potrivitcompromis între ele.În figura 1 se poate observa localizarea algoritmilor genetici în raport cu alte tehnici deoptimizare.Algoritmii genetici aparţin algoritmilor evoluţionişti inspiraţi din teoria darwinistă privindevoluţia speciilor în mediul înconjurător ostil. Se constată că algoritmii evoluţionişti sunt plasaţi peacelaşi palier cu alte grupe de tehnici de căutare inspirate de procese naturale.Aşa, de exemplu, reţelele neurale artificiale (RNA) imită structura creierului uman şiprocesul de învăţare desfăşurat în acesta pentru a furniza valorile adecvate ale unor mărimi de ieşire(rezultate), la valori specificate ale unor mărimi de intrare. În principiu, reţelele neurale artificialenici nu au nevoie să cunoască maniera în care se condiţionează intrările şi ieşirile sau modelulmatematic care descrie evoluţia sistemului cu acele intrări, respectiv ieşiri.La fel, apar tehicile de optimizare probabilistă care mimează comportarea unor specii cuinteligenţă de grup cum ar fi algoritmul coloniei de furnici, algoritmul stupului de albine, algoritmulroiului de particule (stoluri de păsări, bancuri de peşti, turme de animale etc.), cu toate varianteleacestor tipuri de algoritmi. În algoritmul coloniei de furnici, schema de căutare a soluţiei optimereproduce mecanismul prin care furnicile – deşi sunt practic oarbe – reuşesc să găsească rapid216