Genetische Algorithmen 4+

Programm zur Computersimulation genetischer Populationen. Es wird verwendet, um Funktionen zu optimieren, d. h. das Minimum oder Maximum einer Funktion zu finden.

Genetische Algorithmen zählen zu den Such- und Optimierungsmethoden. Ziel der Optimierung ist die Effizienzsteigerung beim Erreichen eines bestimmten optimalen Wertes. Genetische Algorithmen basieren auf den Mechanismen der natürlichen Selektion und Vererbung. Der grundlegende genetische Algorithmus besteht aus drei Operationen: Reproduktion, Kreuzung und Mutation. Genetische Algorithmen arbeiten mit Populationen von Kodierungssequenzen und verwenden zufällige Auswahlregeln, um nach dem globalen optimalen Wert zu suchen. Diese Zufallsregeln sind jedoch so definiert, dass sie die richtige Richtung für die Suche vorgeben (durch verschiedene Auswahlmechanismen oder Skalierung der Fitnessfunktion). Dieser grundlegende Vorgang wird durch bestimmte genetische Manipulationen, wie sie beispielsweise in der Natur vorkommen, verstärkt. Sie umfassen die Mechanismen Dominanz, Diploidie, Inversion und andere Rekonfigurationsmechanismen und treten auf Chromosomenebene auf. Benutzer können textuelle oder grafische Skalierungsmuster für die Fitnessfunktion entwerfen und diese dann in Simulationen verwenden. Die Anwendung bietet außerdem eine vorläufige Analyse statistischer Daten zur Verteilung der Fitnessfunktion in der Bevölkerung. Das Programm ermöglicht dem Benutzer, nicht zufällige Verfahren (z. B. Skalierung der Fitnessfunktion) zu vergleichen, indem er in nachfolgenden Simulationen die gleiche pseudozufällige Sequenz verwendet (für Verfahren, die eine Randomisierung erfordern, wie z. B. Auswahl usw.). Um die während der Simulation ablaufenden genetischen Prozesse besser zu visualisieren, werden einige davon dem Benutzer mithilfe von Animationen präsentiert. Darüber hinaus können einige der aus der Simulation gewonnenen Daten gespeichert und weitergegeben werden.