Waarom is dit belangrijk?
Een evolutionair algoritme zoekt een bruikbare uitkomst voor lastige vraagstukken waarvoor nog geen exacte rekenmethode bekend is. In de landbouw, bij routes voor robots en in de financiële sector ondersteunt het keuzes met doelen die elkaar tegenwerken. Onderzoekers en ingenieurs kunnen in hun werk een werkbare oplossing gebruiken, maar die blijft een benadering en het doorrekenen kan veel rekenkracht vragen.
Zo werkt het in de praktijk
Onderzoekers van NASA gebruikten een evolutionair algoritme om een antenne te ontwerpen voor de missie Space Technology 5. Het algoritme zocht automatisch naar antennevormen. Eén ontwerp is gebouwd, getest en meegenomen op de satellieten van die missie.
Ingo Rechenberg en Hans-Paul Schwefel ontwikkelden evolutiestrategieën voor numerieke en technische optimalisatie, waarbij de mutatiestap zich tijdens het zoeken aanpast. Bij meerdere doelen houdt het algoritme een groep afwegingen bij op de Pareto-grens. Dat is een verzameling evenwichten tussen doelen.
Het evolutionair algoritme is een metaheuristiek: een algemene zoekmethode binnen de evolutionaire berekening. Die berekening is een onderdeel van computationele intelligentie. Een memetisch algoritme voegt aan die zoekmethode een lokale zoekstap toe.




