Waarom is dit belangrijk?
Lastige zoekproblemen met heel veel mogelijkheden krijgen zo toch snel een bruikbare oplossing. In de techniek helpt dat bij het ontwerp van antennes voor signalen uit de ruimte en van vormen die de luchtweerstand verlagen. Voor ontwerpers en onderzoekers betekent dit een sneller voorstel op het werk, maar grondige controle blijft nodig, omdat de methode de beste oplossing niet garandeert.
Zo werkt het in de praktijk
De United States Geological Survey gebruikte een genetisch algoritme om meetpunten voor grondwater te kiezen. In de logistiek zoekt de methode routes voor voertuigen binnen grenzen van afstand en lading. In de geneeskunde ondersteunt zij keuzes in de oogheelkunde en bij kanker.
Onderzoekers bekijken waarom een genetisch algoritme vaak een sterke oplossing opbouwt. Volgens de bouwsteenhypothese voegt de methode korte, goede deeloplossingen samen tot een beter geheel. Zij onderzoeken ook wanneer elke test zo zwaar is dat een benadering nodig is.
Het genetisch algoritme hoort bij de evolutionaire algoritmen in de informatica en operations research. Dat vak ondersteunt plannen en verdelen met rekenmodellen. Teams zetten de methode ook in om instellingen van een leermodel te kiezen.




