ALGORITMII GENETICI sunt o familie de modele inspirate de teoria evolutiei, sunt programe inteligente capabile sa solutioneze probleme folosind un conceptul al evolutiei speciilor. Acesti algoritmi codifica solutiile posibile ale unor probleme specifice intr-o structura de date de tip cromozom si aplica acestor structuri operatori de recombinare, pentru a pastra informatia utila.
Un cromozom este un vector sau un sir de gene. Pozitia unei gene este numita locusul ei. Valorile pe care le poate lua o gena sunt numite alele, sunt multimi finite de numere intregi, intervale de numere reale, sau chiar structuri complexe de date. Alele variaza de la un locus la altul.
Sarcina unui algoritm genetic e sa descopere cromozomi din ce in ce mai buni, pana la atingerea unei valori a raportului dintre evaluarea asociata unui sir si evaluarea medie a tuturor sirurilor populatiei (fitness) despre care se stie ca este optimala, sau pana cand algoritmul genetic nu mai poate aduce imbunatatiri.
Implementarea unui algoritm genetic incepe cu o populatie de cromozomi (aleasa aleator). Se evalueaza, apoi, aceste structuri si se aloca facilitati reproductive astfel incat acei cromozomi, care reprezinta o solutie mai buna pentru problema tinta, sa aiba mai multe sanse de a se reproduce decat acei cromozomi care sunt solutii mai putin bune. Definirea unei solutii bune se face in raport cu populatia curenta.
Intr-un sens mai larg, algoritm genetic este orice model bazat pe ideea de populatie si care foloseste selectie si operatori de recombinare pentru a genera noi puncte intr-un spatiu de cautare. Multe modele au fost introduse de cercetatori dintr-o perspectiva experimentala. Cercetatorii sunt orientati spre aplicatii, fiind interesati de algoritmii genetici doar ca mijloace de optimizare.
Ei sunt recomandati pentru aflarea solutiilor neliniare ale unor probleme atunci cand nu este posibila modelarea matematica si nici euristica in domeniu.
Adevaratii profesionisti combina adesea cele mai variate tehnologii inteligente in scopul exploatarii avantajelor fiecareia, obtinand asa-numitele sisteme hibride. Sunt posibile combinari de genul:
1. folosirea retelelor neuronale la ajustarea parametrilor in sistemele expert fuzzy,
2. extragerea cunoasterii din retele neuronale pentru a fi utilizata in sistemele expert,
3. folosirea algoritmilor genetici la crearea unor retele neuronale mai compacte si mai eficiente,
4. folosirea unei retele neuronale pentru asistarea functionarii unui algoritm genetic,
5. folosirea algoritmilor genetici la reglarea parametrilor unui sistem expert fuzzy pentru controlul proceselor,
6. imbunatatirea performantei unui sistem expert prin incorporarea rationamentului bazat pe cazuri, etc.
Asemenea cercetari sunt in prezent in mare voga in cele mai specializate laboratoare ale lumii stiintifice.
Citeva subiecte ale conceptelor de baza :
. probleme de optimizare - doar doua componente principale sunt dependente de
problema de rezolvat : codificarea si functia de evaluare. Scopul este de a fixa parametrii in asa fel incat iesirea sa fie optima.
Variabilele desemnand parametrii sunt reprezentati prin siruri binare iar functia de evaluare este parte a descrierii problemei.
. algoritmul genetic canonic - consta in generarea populatiei initiale. Se aplica
acestei populatii selectia pentru a obtine o populatie intermediara. Apoi se aplica recombinarea si mutatii pentru a crea o populatie urmatoare (next population). Acest proces de trecere de la populatia curenta la populatia urmatoare reprezinta o generatie in executia unui algoritm genetic.
. selectia hiperplanelor - nu este afectata de extremele locale. Cresterea ratei de
selectie a hiperplanelor peste medie nu garanteaza convergenta catre un optim global, ce ar putea fi un varf relativ izolat.
. teorema schemei - furnizeaza o margine inferioara a schimbarii ratei de
selectie pentru un singur hiperplan de la generatia t la generatia t+1.
. alfabetele binare - utilizarea lor va rezulta in urma unor calcule simple. Un
alfabet minimal maximizeaza numarul de hiperplane utilizabile pentru codificarea procesarii
. critica teoremei schemei - inexactitatea inegalitatii face ca incercarea de a
prezice pe baza teoremei reprezentarea unui anumit hiperplan de-a lungul generatiilor, sa fie fara succes.
Aplicatii ale algoritmilor genetici - Algoritmii genetici reprezinta o metoda cu care pot fi atacate relativ usor probleme dificile de optimizaresau control, cu rezultate bune sau chiar optimale.
Cand se vorbeste de aplicarea unei idei din software, se refera in general la un prototip care arata cum ar putea fi folosita respectiva idee intr-un domeniu practic.
Un exemplu il constituie sistemul care functioneaza la instalatia de maleabilizare a unui laminor de platbande de otel, unde operatorul unei macarale este ajutat sa decida unde sa puna otelul laminat inainte de maleabilizare, cum sa grupeze sarjele in cuptorul de maleabilizare si cum sa aranjeze otelul laminat maleabilizat pentru a fi expediat in functie de comenzile primite. Un alt exemplu este aceea de a realiza optimizarea unor obiective variate in alcatuirea orarelor pentu cursuri sau examene.
