кандидат технических наук;
candidate of technical sciences;
Рассмотрены возможности использования генетических алгоритмов (ГА) в качестве основы для создания систем искусственного интеллекта (ИИ). Преимуществами ГА является универсальность, то есть возможность использования для решения различных задач, где требуется нахождение оптимального решения задачи, а также способность к работе с неполными или зашумленными данными.Подробно рассмотрены особенности поиска оптимального решения, основанного на эволюционном процессе, и алгоритм работы ГА, который содержит основные этапы работы ГА: создание начальной популяции, отбор наиболее приспособленных особей по значению функции приспособленности (целевой функции), скрещивание (рекомбинация) и мутация. Рассмотрено масштабирование функции приспособленности (целевой функции), выполняемое одним из трех методов: линейное масштабирование, степенное масштабирование и сигма-отсечение. Подробно рассмотрены методы кодирования информации в ГА, включая целочисленное, вещественное и логарифмическое кодирование. Особое внимание уделено вопросу сходимости ГА, зависящей от правильного, на начальном и конечном этапах работы ГА, использования на шаге рекомбинации операторов мейоза и митоза. Рассмотрены области применения ГА, а также ограничения, присущие генетическим алгоритмам.
The possibilities of using genetic algorithms (GA) as a basis for creating artificial intelligence (AI) systems are considered. The advantages of GA include its versatility, which allows it to be used for solving various problems that require finding the optimal solution, as well as its ability to work with incomplete or noisy data.The article provides a detailed discussion of the features of finding the optimal solution based on the evolutionary process and the GA algorithm, which includes the main steps of GA operation: creating an initial population, selecting the most fit individuals based on the fitness function (objective function), crossing (recombination), and mutation. The scaling of the fitness function (objective function) is considered, performed by one of three methods: linear scaling, power scaling, and sigma-clipping. The methods of encoding information in GA are considered in detail, including integer, real, and logarithmic encoding.