Was ist Evolutionärer Algorithmus?
Ein evolutionärer Algorithmus wird als eine Komponente der evolutionären Berechnung in der künstlichen Intelligenz betrachtet. Ein evolutionärer Algorithmus funktioniert durch den Auswahlprozess, bei dem die am wenigsten passenden Mitglieder des Populationssatzes eliminiert werden, während die passenden Mitglieder überleben und fortfahren können, bis bessere Lösungen bestimmt sind.
Mit anderen Worten, evolutionäre Algorithmen sind Computeranwendungen, die biologische Prozesse nachahmen, um komplexe Probleme zu lösen. Im Laufe der Zeit entwickeln sich die erfolgreichen Mitglieder, um die optimierte Lösung für das Problem zu präsentieren.
Evolutionäre Algorithmen verwenden Konzepte in der Biologie wie Selektion, Reproduktion und Mutation. Es gibt drei grundlegende Arten von evolutionären Algorithmen, nämlich:
– Genetische Algorythmen
– Evolutionäre Programmierung
– Evolutionäre Strategien
Im Gegensatz zu herkömmlichen Optimierungstechniken sind evolutionäre Algorithmen auf Zufallsstichproben angewiesen. Ein evolutionärer Algorithmus hat eine Population von Kandidatenlösungen, im Gegensatz zu klassischen Methoden, die versuchen, eine einzelne beste Lösung beizubehalten. Es gibt zwei Voraussetzungen für evolutionäre Algorithmen:
– Die Kandidatenlösungen müssen für das Problem codiert werden.
– Eine Fitnessfunktion muss einen Wert zwischen 1 und 100 zurückgeben, damit evolutionäre Algorithmen besser auf die Probleme angewendet werden können.
Es gibt viele Vorteile, die mit evolutionären Algorithmen verbunden sind. Einer der größten Vorteile liegt in den Flexibilitätsgewinnen, da die meisten evolutionären Algorithmuskonzepte auch für komplexe Probleme geeignet sind. Die meisten evolutionären Algorithmen sind dazu geeignet, das Zielziel zu erfüllen. Eine bessere Optimierung ist mit evolutionären Algorithmen möglich, da die Lösungspopulation verhindert, dass der Algorithmus in einer bestimmten Lösung gesperrt wird.
Es gibt einige Nachteile, die mit evolutionären Algorithmen verbunden sind. Zum einen ist die von einem evolutionären Algorithmus bereitgestellte Lösung im Vergleich zu anderen bekannten Lösungen nur besser. Somit kann der Algorithmus nicht beweisen, dass eine Lösung vollständig optimal ist, nur dass sie im Vergleich zu den anderen Ergebnissen optimal ist.