什么是遗传优化(Genetic Optimization)？

遗传优化是利用编程算法来寻找问题的最佳解决方案。这起源于早在20世纪50年代的数学家的工作，他们将他们在生物学中看到的模型应用到用传统方法难以解决的非线性问题上。其思想是模仿生物学，它在几代人的过程中进化，以创造出最适合的群体。在编程中，可以通过模拟这个过程来找到一个问题的创造性解决方案。非线性问题对数学家来说是一种挑战。非线性问题对数学家来说是一种挑战。一个例子在证券交易中可以看到，在这种情况下，可能会有许多可能的决策，这些决策很快就会产生一棵选择树。独立地计算与每个选择相关的概率是非常耗时的。数学家也可能因为未能结合可能的选择来探索新的排列而错过一个最佳的解决方案。遗传优化使研究人员能够以更有效的方式进行这种性质的计算。研究人员从一个感兴趣的主题开始，称为"群体"，它可以分成个体，有时被称为生物、有机体或染色体。这些术语借用自生物学，反映这种编程方法的起源。计算机可以开始对种群进行模拟，在一代中选择单个的有机体，并允许它们混合创造新的一代。这个过程可以重复几代，以组合和重组可能的解决方案，理想的情况是在给定条件下最合适的选项。这可能是非常资源密集的遗传优化中的计算需要大量的计算能力，以便同时快速比较和选择多个选项和组合。早期的遗传优化研究有时受到可用处理能力的限制，因为研究人员可以看到潜在的应用，但不能执行复杂的程序。随着计算机功率的增加，这种方法的实用性也会提高，虽然大型和复杂的计算可能仍然需要一台高度专业化的计算机。数学领域的研究人员可以在各种环境下进行遗传优化。新公式和新方法的不断发展说明了数学的演变，因为人们了解了考虑复杂问题的新方法一些简单的遗传优化可以在诸如证券交易员软件、游戏和虚拟现实编程等设置中看到，程序员希望用户有更自然的体验。