Un algorithme génétique (GA) est idéal pour trouver des solutions à desproblèmes de recherche complexes. Ils se peuvent être utilisés pour concevoir des algorithmes informatiques, planifier des tâches et résoudre d'autres problèmes d'optimisation. Les algorithmes génétiques sont basés sur le processus d'évolution par sélection naturelle observé dans la nature. Ils reproduisent essentiellement la manière dont la vie utilise l'évolution pour trouver des solutions aux problèmes du monde réel. Étonnamment, bien que les algorithmes génétiques puissent être utilisés pour trouver des solutions à des problèmes incroyablement complexes, ils sont eux-mêmes assez simples à utiliser et à comprendre
-
Initialisation - Créez une population initiale. Cette population est généralement générée de manière aléatoire et peut avoir n'importe quelle taille, de quelques individus à plusieurs milliers.
-
Évaluation - Chaque membre de la population est ensuite évalué et nous calculons une «fitness» pour cet individu. La valeur de la fitness est calculée en fonction de son adéquation avec les exigences souhaitées. Ces exigences pourraient être simples : «Les algorithmes plus rapides sont meilleurs» ou plus complexes, «Les algorithmes plus forts sont meilleurs, mais ils ne devraient pas être trop lourds».
-
Sélection - Nous voulons améliorer constamment la fitness globale de nos populations. La sélection nous aide à y parvenir en éliminant les mauvais individus et en ne conservant que les meilleurs individus de la population. Il existe quelques méthodes de sélection différentes, mais l'idée de base est la même : il est donc plus probable que des individus qu’ont une fitness importante soient sélectionnés pour notre prochaine génération.
-
Croisement - Pendant le croisement, nous créons de nouveaux individus en combinant des aspects de nos individus sélectionnés. L'espoir est qu'en combinant certains traits de deux personnes ou plus, nous créerons nouveau individu encore plus «fit» qui héritera des meilleurs traits de chacun de ses parents.
-
Mutation - Nous devons ajouter un peu d’aléatoire à la génétique de nos populations, autrement, chaque combinaison de solutions que nous pourrions créer serait dans notre population initiale. La mutation fonctionne généralement en apportant de très petites modifications au hasard au génome d'un individu.
-
Et répétez ! - Maintenant que nous avons notre prochaine génération, nous pouvons recommencer à partir de la deuxième étape jusqu'à ce que nous atteignions un critère d’arrêt.
