Dalam kecerdasan buatan, algoritma evolusi adalah bagian dari komputasi evolusi. Sebuah algoritma evolusi pada awalnya mempertahankan struktur populasi, lalu berkembang sesuai dengan aturan seleksi, mutasi rekombinasi dan kelangsungan hidup yang disebut dengan operator genetik.
Untuk menentukan kesehatan dan performa dari tiap individu yang ada di populasi, dibutuhkan sebuah lingkungan bersama. Individu yang paling cocok dengan lingkungan ini lebih mungkin untuk diseleksi sebagai individu - individu untuk bereproduksi atau bereplikasi. Lalu rekombinasi dan mutasi memodifikasi individu - individu ini untuk menghasilkan sebuah individ unggul.
Algoritma evolusi bekerja dengan baik dalam mendekati solusi terhadap semua masalah karena algoritma ini tida membuat asumsi, dan juga ditunjukkan dari keberhasilan dalam bidang ekonomi, pemasaran, robotik, ilmu sosial, kimia, fisika dan politik.
Teknik dari algoritma evolusi diterapkan pada pemodelan evolusi biologi yang umumnya terbatas dalam melakukan eksplorasi terhadap proses evolusi mikro. Namun simulasi dari komputer Tierra dan Avida berusaha untuk memodelkan dinamika evolusi makro.
Dalam penerapan paling nyata dari algoritma evolusi, kompleksitas adalah faktor penghalang. Bahkan, kekompleksitas-an komputasi adalah hasil dari fungsi kecocokan. Pendekatan kecocokan ini adalah salah satu cara untuk mengatasi kendala ini. Namun, kesederhanaan algoritma evolusi justru sering memecahkan masalah yang kompleks, bahkan kekompleksitas-an algoritma tidak terhubung secara langsung tehadap kekomplesitas-an masalah.
Tidak ada komentar:
Posting Komentar