Algoritmi genetici

Gli Algoritmi Genetici appartengono ad una particolare classe di algoritmi utilizzati in diversi campi, tra cui l’intelligenza artificiale. Rappresentano un metodo euristico di ricerca e ottimizzazione, ispirato al principio della selezione naturale di Charles Darwin che regola l’evoluzione biologica.

La simulazione dell’evoluzione biologica ha permesso lo sviluppo della computazione evolutiva e gli Algoritmi Genetici rappresentano l’esempio più importante. I ricercatori impegnati in questo campo sono convinti che i meccanismi dell’evoluzione siano adatti per affrontare alcuni dei più difficili problemi computazionali in diversi settori, poichè, per risolverli, è necessario ricercare la soluzione tra un numero enorme di possibili alternative.

Osservando in maniera macroscopica, le regole dell’evoluzione sono notevolmente semplici: le specie si evolvono per mezzo della variazione casuale, ossia attraverso le mutazioni, le ricombinazioni e altri operatori, seguita dalla selezione naturale che favorisce la sopravvivenza e la riproduzione degli esemplari più adatti, trasmettendo alle generazioni future il loro materiale genetico.

I principali pregi degli Algoritmi Genetici sono dunque rappresentati da:
1) la possibilità di risolvere problemi complessi senza conoscere il preciso metodo di risoluzione;
2) la capacità di auto-modificazione in base al cambiamento del problema;
3) la capacità di simulare alcuni fenomeni tramite l’organizzazione ispirata a quella selezione naturale.

Gli Algoritmi Genetici offrono una notevole trasparenza nel modo di elaborare i dati permettendo di generalizzare tecniche e metodologie in contesti decisamente diversi. Essi, generalmente, si presentano come l’unica strada praticabile per individuare una o più soluzioni delle quali si conosca l’esistenza ma non la procedura algoritmica per individuarle. Attualmente però, non è chiaro se il successo degli Algoritmi Genetici derivi dalle loro prestazioni o dalla loro natura cosi suggestiva ed esteticamente piacevole. Rimane ancora molto lavoro da svolgere per indentificare le condizioni in cuilavorano al meglio

Riferimenti bibliografici
[1] Duda, Hart, Stork, 2001
[2] J. Holland Adaptation in Natural and Artificial Systems, 1995, Addison-Wesley
[3] A. H. Wright, Genetic Algorithms for Real Parameter Optimization, 1992.
[4] J.R. Koza, Genetic Programming: On the Programming of Computers byMeans of Natural Selection, MIT Press, Cambridge, MA, 1992.
[5] Floreano, Manuale sulle reti neurali
[6] S. Russel, P. Norvig, Intelligenza Artificiale. Un Approccio Moderno. Vol.1, Seconda Edizione, 2005.27

Longo Luca - Algoritmi Genetici - Università degli Studi dell'Insubria - Computer Science