Índice:
Definição - O que significa Algoritmo Evolucionário?
Um algoritmo evolutivo é considerado um componente da computação evolutiva na inteligência artificial. Um algoritmo evolutivo funciona através do processo de seleção no qual os membros menos adequados do conjunto populacional são eliminados, enquanto os membros adequados podem sobreviver e continuar até que melhores soluções sejam determinadas. Em outras palavras, algoritmos evolutivos são aplicativos de computador que imitam processos biológicos para resolver problemas complexos. Com o tempo, os membros bem-sucedidos evoluem para apresentar a solução otimizada para o problema.
Techopedia explica o algoritmo evolutivo
Algoritmos evolutivos fazem uso de conceitos em biologia como seleção, reprodução e mutação. Existem três tipos básicos de algoritmos evolutivos, a saber:
- Algorítmos genéticos
- Programação evolutiva
- Estratégias evolutivas
Diferentemente das técnicas tradicionais de otimização, os algoritmos evolutivos dependem de amostragem aleatória. Um algoritmo evolutivo possui uma população de soluções candidatas, diferentemente dos métodos clássicos, que tentam manter uma única melhor solução. Existem dois pré-requisitos associados aos algoritmos evolutivos:
- As soluções candidatas precisam ser codificadas para o problema.
- Uma função de condicionamento físico precisa retornar uma pontuação entre 1 e 100 para que algoritmos evolutivos possam ser melhor aplicados aos problemas.
Existem muitos benefícios associados aos algoritmos evolutivos. Uma das maiores vantagens vem dos ganhos de flexibilidade, pois a maioria dos conceitos de algoritmo evolutivo é adaptável a problemas complexos. A maioria dos algoritmos evolutivos também é adequada para atingir a meta. Melhor otimização é possível com algoritmos evolutivos, pois a população de soluções impede que o algoritmo fique bloqueado em uma solução específica.
Existem algumas desvantagens associadas aos algoritmos evolutivos. Por um lado, a solução fornecida por um algoritmo evolutivo é apenas melhor quando comparada a outras soluções conhecidas. Como tal, o algoritmo não pode provar que qualquer solução é totalmente ideal, apenas que é ideal em comparação com outros resultados.
