Генетическое программирование и генетические алгоритмы

 Генетический алгоритм – это метод оптимизации, в основе которого лежит идея естественного отбора как средства достижения наилучшего результата. При любом способе оптимизации изначально имеется некоторая метрика или алгоритм и мы просто пытаемся подобрать для него наилучшие параметры.

Как и в случае оптимизации, для генетического программирования необходим способ измерения качества решения. Но, в отличие от оптимизации, решением является не просто набор параметров заданного алгоритма. Путем естественного отбора автоматически проектируется сам алгоритм со всеми своими параметрами.

Успехи генетического программирования

Генетическое программирование существует еще с 1980-х годов, но для него нужны гигантские вычислительные ресурсы, а с теми, что были в наличии в то время, можно было решать лишь самые простые задачи. Но по мере того как компьютеры становились все быстрее, генетическое программирование начали применять и к более сложным проблемам. Используя основанные на нем методы, удалось повторить или усовершенствовать многие ранее запатентованные изобретения. И некоторые последние изобретения, достойные патентования, были сделаны с помощью компьютеров.

Методы генетического программирования применялись в проектировании антенн для НАСА, при создании фотонных кристаллов, в оптике, квантовых компьютерах и в других научных областях. Использовались они и при разработке игровых программ, в том числе для игры в шахматы и в нарды. В 1998 году исследователи из университета Карнеги Меллон заявили команду роботов, созданную на основе только генетического программирования, на соревнования по футболу среди роботов и заняли одно из средних мест.

Вы можете следить за любыми ответами на эту запись через RSS 2.0 ленту. Вы можете оставить ответ, или trackback с вашего собственного сайта.

Оставьте отзыв

XHTML: Вы можете использовать следующие теги: <a href="" title=""> <abbr title=""> <acronym title=""> <b> <blockquote cite=""> <cite> <code> <del datetime=""> <em> <i> <q cite=""> <s> <strike> <strong>

 
Rambler's Top100