Genetiske algoritmer (GA) er en type optimaliseringsalgoritme basert på prinsippene for naturlig seleksjon og genetikk. De etterligner evolusjonsprosessen ved å velge de sterkeste individene i en populasjon og avle dem for å skape en ny generasjon individer med forbedret kondisjon. Denne prosessen fortsetter til den optimale løsningen er funnet.
Rollen til genetiske algoritmer i optimalisering er å finne det globale maksimum eller minimum av en funksjon som er vanskelig, om ikke umulig, å beregne ved bruk av tradisjonelle metoder. GA-er har blitt brukt på et bredt spekter av optimaliseringsproblemer, for eksempel planlegging, ruteoptimalisering, finansiell porteføljeoptimalisering og maskinlæring.
GA-er har flere fordeler i forhold til tradisjonelle optimaliseringsmetoder, inkludert deres evne til å håndtere ikke-lineære og ikke-konvekse optimaliseringsproblemer, deres evne til å finne flere løsninger (ikke bare det globale optimum), og deres evne til å håndtere støyende og usikre data. I tillegg er GA-er svært parallelliserbare, noe som gjør dem egnet for datamiljøer med høy ytelse.
Samlet sett er rollen til genetiske algoritmer i optimalisering å gi et kraftig og fleksibelt verktøy for å finne optimale løsninger på komplekse optimaliseringsproblemer.
Publiseringsdato: