Contenu
- Définition - Que signifie algorithme évolutionnaire?
- Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.
- Techopedia explique l'algorithme évolutionnaire
Définition - Que signifie algorithme évolutionnaire?
Un algorithme évolutif est considéré comme une composante du calcul évolutif en intelligence artificielle. Un algorithme évolutif fonctionne par le biais du processus de sélection dans lequel les membres les moins en forme de la population sont éliminés, tandis que les membres en forme sont autorisés à survivre et continuent jusqu'à ce que de meilleures solutions soient trouvées. En d'autres termes, les algorithmes évolutifs sont des applications informatiques qui imitent des processus biologiques afin de résoudre des problèmes complexes. Au fil du temps, les membres qui réussissent évoluent pour présenter la solution optimisée au problème.
Introduction à Microsoft Azure et au nuage Microsoft | Tout au long de ce guide, vous apprendrez ce qu'est le cloud computing et comment Microsoft Azure peut vous aider à migrer et à exploiter votre entreprise à partir du cloud.
Techopedia explique l'algorithme évolutionnaire
Les algorithmes évolutifs utilisent des concepts en biologie tels que la sélection, la reproduction et la mutation. Il existe trois types d'algorithmes évolutifs, à savoir:
- Algorithmes génétiques
- Programmation évolutive
- Stratégies évolutives
Contrairement aux techniques d'optimisation traditionnelles, les algorithmes évolutifs dépendent d'un échantillonnage aléatoire. Un algorithme évolutif a une population de solutions candidates, contrairement aux méthodes classiques, qui tentent de conserver une solution optimale. Il existe deux conditions préalables associées aux algorithmes évolutifs:
- Les solutions candidates doivent être codées pour le problème.
- Une fonction de remise en forme doit renvoyer un score compris entre 1 et 100 afin que les algorithmes évolutifs puissent être mieux appliqués aux problèmes.
Les algorithmes évolutifs présentent de nombreux avantages. L'un des principaux avantages réside dans les gains de flexibilité, car la plupart des concepts d'algorithmes évolutifs sont adaptables à des problèmes même complexes. La plupart des algorithmes évolutifs sont également adaptés pour atteindre la cible visée. Une meilleure optimisation est possible avec des algorithmes évolutifs, car la population de solutions empêche l'algorithme de rester bloqué dans une solution particulière.
Quelques inconvénients sont associés aux algorithmes évolutifs. D'une part, la solution fournie par un algorithme évolutif n'est que meilleure comparée à d'autres solutions connues. En tant que tel, l'algorithme ne peut pas prouver qu'une solution est totalement optimale, mais seulement qu'elle est optimale par rapport aux autres résultats.