Sadržaj
- Definicija - Što znači evolucijski algoritam?
- Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da migrirate i pokrenete svoje poslovanje iz oblaka.
- Tehopedija objašnjava evolucijski algoritam
Definicija - Što znači evolucijski algoritam?
Evolucijski algoritam smatra se komponentom evolucijskog računanja u umjetnoj inteligenciji. Evolucijski algoritam funkcionira kroz postupak odabira u kojem se eliminiraju najmanje odgovarajući pripadnici populacije, dok sposobni članovi mogu preživjeti i nastaviti sve dok se ne utvrde bolja rješenja. Drugim riječima, evolucijski algoritmi su računalne aplikacije koje oponašaju biološke procese u svrhu rješavanja složenih problema. S vremenom se uspješni članovi razvijaju kako bi predstavili optimizirano rješenje problema.
Uvod u Microsoft Azure i Microsoft Cloud | Kroz ovaj vodič naučit ćete o čemu se radi računalstvo u oblaku i kako vam Microsoft Azure može pomoći da migrirate i pokrenete svoje poslovanje iz oblaka.
Tehopedija objašnjava evolucijski algoritam
Evolucijski algoritmi koriste koncepte u biologiji kao što su odabir, reprodukcija i mutacija. Postoje tri osnovne vrste evolucijskih algoritama, i to:
- Genetski algoritmi
- Evolucijsko programiranje
- Evolucijske strategije
Za razliku od tradicionalnih tehnika optimizacije, evolucijski algoritmi ovise o slučajnom uzorkovanju. Evolucijski algoritam ima populaciju kandidatskih rješenja, za razliku od klasičnih metoda, koje pokušavaju održati najbolje rješenje. Dva su preduvjeta povezana s evolucijskim algoritmima:
- Rješenja kandidata trebaju biti kodirana.
- Fitnes funkcija mora vratiti ocjenu između 1 i 100 kako bi se evolucijski algoritmi mogli bolje primijeniti na probleme.
Mnogo je prednosti povezanih s evolucijskim algoritmima. Jedna od najvećih prednosti dolazi u povećanju fleksibilnosti, jer je većina koncepata evolucijskog algoritma prilagodljiva čak i složenim problemima. Većina evolucijskih algoritama je također prikladna za postizanje cilja. Bolja optimizacija moguća je s evolucijskim algoritmima, jer populacija rješenja sprječava da se algoritam zatvori u određenom rješenju.
Postoji nekoliko nedostataka povezanih s evolucijskim algoritmima. Za jedno, rješenje koje nudi evolucijski algoritam je samo bolje u usporedbi s drugim poznatim rješenjima. Kao takav, algoritam ne može dokazati da je svako rješenje posve optimalno, samo da je optimalno u usporedbi s ostalim rezultatima.