Waarom is dit belangrijk?
Computers kunnen met genetische operatoren zoeken naar bruikbare plannen als een probleem te veel mogelijkheden heeft voor een vaste rekenregel. In de industrie zetten planners ze in bij het indelen van productiewerk, zoals de volgorde van taken in een fabriek. Werknemers krijgen daardoor sneller een werkbaar schema, al kan dat schema goed lijken en toch niet de beste keuze zijn.
Zo werkt het in de praktijk
NASA liet in 2006 een evolutieprogramma de antenne van de ST5-satelliet ontwerpen. Genetische operatoren pasten kandidaatvormen aan tot een antenne met een bruikbaar stralingspatroon. Ontwerpers gebruiken dezelfde aanpak voor spiegels die zonlicht naar een collector leiden en voor voertuigvormen in een sterke luchtstroom.
Aan de Universiteit van Michigan zette John Holland het schematheorema op. Dat raamwerk voorspelt de kwaliteit van de volgende generatie oplossingen. Onderzoekers wegen daarbij af of mutatie of kruising de zoektocht sterker stuurt.
In een evolutiestrategie, een methode voor optimalisatie met getallen, draaien mutatie, recombinatie en selectie in een vaste lus. Bij genetisch programmeren werken die operatoren op boomvormige programmacode. Een memetisch algoritme voegt na die stap nog een lokale verbetering van elke oplossing toe.




