Gli algoritmi genetici sono una tecnica di programmazione che gli informatici hanno imparato dalla natura. Natura progetta soluzioni vegetali e animali bellissimi a problemi difficili con mezzi meccanici rigorosamente senza direzioni intelligenti . Gli algoritmi genetici possono trovare la risposta ottimale ai problemi di progettazione difficili, quando non avete idea di come procedere. Gli unici vincoli sono necessari che è necessario disporre di un problema di ottimizzazione e che le soluzioni possono essere descritti con una stringa di numeri . Istruzioni
1

design una stringa di numeri che descrive una soluzione al vostro problema . Progettare una funzione in grado di valutare queste stringhe , data una stringa , questa funzione può dire quanto è buono la stringa è come una risposta al vostro problema. Ad esempio , la stringa può essere un elenco di misurazioni dell'interno di una pompa turbo motore a razzo . La funzione sarebbe un calcolo di spinta da una cella a queste misurazioni . La stringa potrebbe essere anche le percentuali di acqua, sabbia , cemento e ghiaia che costituiscono una miscela di calcestruzzo sottomarino .
2

Scrivere un programma per computer che si evolve le corde verso l'ottimizzazione . Inizia con una popolazione di stringhe in cui tutti i numeri nelle stringhe sono stati scelti a caso. Una "generazione" consiste nel valutare tutte le stringhe nella "popolazione" e scartando le stringhe con i valori più bassi . Le corde con le più alte valutazioni continueranno nella prossima generazione . Una mescolanza casuale di corde alte preformatura renderà anche per la prossima generazione . Alcune di queste stringhe dovranno mutazioni casuali ad uno dei numeri nella stringa . Questo processo viene ripetuto per diverse generazioni . Il numero di stringhe in ogni generazione è la stessa .
3

Trova l'algoritmo genetico minimo eseguendo la vostra soluzione con uno dei numeri mancanti. Se ci sono numeri "n" in una stringa , questo significa correre " n" popolazioni differenti uno con ciascuno dei numeri mancanti . Se le stringhe più corte hanno ancora la stessa valutazione alta , eseguire le popolazioni sempre più brevi fino a trovare la stringa più corta che lavorerà per il problema specifico . Per il problema concreto , questo sarebbe dire se si potrebbe lasciare fuori uno degli ingredienti .