Эволюционные алгоритмы — направление в искусственном интеллекте (раздел эволюционного моделирования), которое использует и моделирует процессы естественного отбора. Перечислим некоторые из них: генетические алгоритмы — эвристический алгоритм поиска, используемый для решения задач оптимизации и моделирования путём случайного подбора, комбинирования и вариации искомых параметров; генетическое программирование — автоматическое создание или изменение программ с помощью генетических алгоритмов; эволюционное программирование — аналогично генетическому программированию, но структура программы постоянна, изменяются только числовые значения; эволюционные стратегии — похожи на генетические алгоритмы, но в следующее поколение передаются только положительные мутации; дифференциальная эволюция; нейроэволюция — аналогична генетическому программированию, но геномы представляют собой искусственные нейронные сети, в которых происходит эволюция весов при заданной топологии сети, или, помимо эволюции весов, также производится эволюция топологии.Все они моделируют базовые положения в теории биологической эволюции — процессы отбора, скрещивания, мутации и воспроизводства. Поведение особей определяется окружающей средой. Множество особей принято называть популяцией. Популяция эволюционирует в соответствии с правилами отбора в соответствии с целевой функцией, которая задается окружающей средой. Таким образом, каждой особи (индивидууму) в популяции назначается значение его пригодности в окружающей среде. Размножаются только наиболее пригодные особи. Рекомбинация и мутация позволяют индивидуумам изменяться и приспосабливаться к среде. Такие алгоритмы относятся к адаптивным поисковым механизмам.Эволюционные методы (ЭМ) — приближенные (эвристические) методы решения задач оптимизации и структурного синтеза. Большинство ЭМ основано на статистическом подходе к исследованию ситуаций и итерационном приближении к искомому решению.
Издательство IOP Publishing/Oxford University Press, 1997, -1024 pp. The Handbook of Evolutionary Computation represents a major milestone for the field of evolutionary computation (EC). As is the case with any new field there are a number of distinct stages of growth and maturation. The field began in the late 1950s and early 1960s as the availability of digital computing...
Chapman & Hall/CRC Press, 2001. — 520 p. Bob Stern of CRC Press, to whom I am indebted, approached me in late 1999 asking if I was interested in developing a second edition of volume I of the Practical Handbook of Genetic Algorithms. My immediate response was an unequivocal "Yes!" This is the fourth book I have edited in the series and each time I have learned more about GAs...
CRC Press, 1999. — 659 p. This is the third and probably last book in the Practical Handbook of Genetic AIgorithm series. The first volume dealt with applications, the second with new work in the field, and the present volume with computer code. I believe this set of three volumes completes main sections of the field that should be addressed, but I would be happy to be...
CRC Press, 1995. — 421 p. This is the second volume of the Practical Handbook of Genetic Algo- Algorithms. In the first volume we covered a number of GA applications. This required code segments for a range of differing applications and problems encountered in the coding of GAs. These code examples were offered in a number of differing languages so that people with differing...
Springer, 2015. — 589 p. In the past two decades, artificial intelligence algorithms have proved to be promising tools for solving a multitude of tough scientific problems. Their success is due, in part, to the elegant manner in which they avoid the sort of handicaps that often plague mathematical programming-based tools, such as smooth and continuous objective functions. Thus,...
Кажется, название "генетические алгоритмы" больше подойдёт для этого раздела. По крайней мере в современной литературе существует тенденция использования именно его повсеместно. Или мои наблюдения не объективны?
Комментарии