Genetické algoritmy (GA) jsou metaheuristické metody inspirované procesem přirozeného výběru, které patří do větší skupiny evolučních algoritmů (EA). Genetické algoritmy se běžně používají k vytváření vysoce kvalitních řešení optimalizačních a vyhledávacích problémů. Spoléhají přitom na biologicky inspirované operátory, jako jsou mutace, křížení a výběr.
Některé příklady použití genetických algoritmů zahrnují:
Optimalizaci rozhodovacích stromů pro lepší výkon
Řešení sudoku hádanek
Optimalizaci hyperparametrů
Kauzální inference
Genetické algoritmy fungují na principu vytváření populace jedinců, kteří představují potenciální řešení daného problému. Každý jedinec je reprezentován řetězcem genů, které určují jeho vlastnosti. Populace se pak iterativně vyvíjí prostřednictvím procesu výběru, křížení a mutace.
Výběr: Jedinci s lepšími vlastnostmi mají větší šanci být vybráni pro reprodukci.
Křížení: Vybraní jedinci se kříží, aby vytvořili nové jedince s vlastnostmi obou rodičů.
Mutace: U některých jedinců dojde k náhodné změně jejich genů, což může vést ke vzniku nových vlastností.
Tento proces se opakuje, dokud není dosaženo požadovaného řešení nebo dokud není dosaženo maximálního počtu iterací.
Genetické algoritmy jsou výkonné nástroje pro řešení široké škály optimalizačních a vyhledávacích problémů. Jsou však náchylné k předčasné konvergenci, což znamená, že se mohou rychle uvíznout v lokálním optimu. K překonání tohoto problému se často používají různé techniky, jako je například elitismus a diverzifikace populace.