Was ist ein genetischer Algorithmus?

Der genetische Algorithmus wurden durch John H. Holland salonfähig. Problemanzeigen im Binärbereich bilden hier die Basis, aus diesem Grund findet ein Genotyp Phänotyp Mapping Anwendung. Das heißt nichts anderes, als dass binäre Kandidaten im Lösungsbereich zuallererst umgewandelt und verändert werden müssen.

Ziel ist es, eine Evaluation mit der vorhandenen Fitnessfunktion sicherzustellen. Aufgrund dieser Eigenart bilden sie eine Parallele zum biologischen Pendant. Unser Erbgut ähnelt quasi binären Zahlen aufgrund von 4 codierten vorhandenen Nukleinsäuren. Rekombination und Mutationen sind so problemlos möglich.

Der Phänotyp (Erscheinungsbild) entsteht durch Prozesse und Abläufe, welche aus vielen Schritten bestehen. Genotyp Phänotyp Mapping läuft hier quasi ähnlich ab. Binäre Repräsentationen sind zur rasanten Verarbeitung in komplexen Computersystemen klar geeignet. Grob zusammengefasst kann man also sagen, dass genetische Algorithmen das Grundprinzip von biologischer Evolution in irgendeiner Form kopieren sowie nachahmen wollen.

Anwendung des genetischen Algorithmus

Wenn es um das Lösen von Problemen geht, kann ein genetischer Algorithmus sinnvoll sein. Beim Bau von Brücken kann ein genetischer Algorithmus die Formgebung, das Gewicht von Bestandteilen oder auch die Lage dieser optimieren. Bei neuronalen Netzen finden diese ebenfalls eine optimale Anwendungsmöglichkeit, beispielsweise beim Justieren des vorhandenen Schellenpotenzialvektors.

Wissenswertes

Bei diversen Ausgangssituationen geht es stets darum, dass man mithilfe von genetischen Algorithmen irgendwann zu einem gewünschten Ergebnis gelangt, was durch ständiges Aussortieren und Selektieren sowie Verändern von Informationen realisiert wird. Doch die Ergebnisse, welche so erzielt werden, sind nicht immer optimal und auf das genaue Problem zugeschnitten, es gibt manchmal Abweichungen.

Grund hierfür ist, dass die jeweiligen Veränderungen und Selektionen unter Umständen nicht stark genug ausgeprägt stattfanden, schuld daran sind die Operationen, welche genetisch sind. Statt optimale Lösungen zu präsentieren, werden somit suboptimale Ergebnisse erzeugt. Es gibt zudem einen weiteren Nachteil. Ein genetischer Algorithmus erzeugt stets einen großen Rechenaufwand, somit auch eine längere Laufzeit. Durch Optimierung kann dieser jedoch reduziert sowie minimiert werden.

Wirtschaft und Alltägliches

Wenn es um evolutionäre, effektive Mechanismen geht, fällt immer wieder auch der Begriff genetische Algorithmen. Diese nehmen seit Jahrzehnten immer mehr an Bedeutung zu, da sie beispielsweise im Bankensektor oder Börsenhandel eine sinnvolle Verwendung finden.

Gerade wenn es um Entscheidungen im Bereich Hedging oder Bewertungen von Portfolios unterschiedlicher Art geht, sind genetische Algorithmen gefragt, wie nie. Auch in den großen Bereichen wie Medizin, digitalen Gesundheitsversorgung und Forschung werden diese stets verwendet.

Was bringt die Zukunft?

Aufgrund immer komplexer werdende Verarbeitungsvorgänge innerhalb von IT-Systemen werden auch die genetischen Algorithmen immer umfangreicher. Somit kann es also passieren, dass sich fehlerhafte Mutationen einschleichen und unbrauchbare Populationen entstehen.

Somit ist es wichtig, dass die Vorgänge dieser Art von Evolution weiterhin optimiert werden, damit beispielsweise Wirtschaftsunternehmen oder der Forschungsbereich, welche Algorithmen derart im Alltag verwenden, keine Nachteile erleiden. Im Endeffekt sind genetische Algorithmen eine gute Sache. Sie machen Vorgänge effizient, schneller und sorgen für einen möglichst reibungslosen Betriebsablauf. Komplexe Berechnungen derart könnten nie manuell von Menschenhand erfolgen, genetische Algorithmen ermöglichen diese jedoch.