Genetische Algorithmen sind ein heuristisches Lösungsverfahren, welches nach dem
Prinzip der Evolution arbeitet [6].
Die Evolution ist der kontinuierliche Prozeß, der seit Anbeginn der Zeit zum
Artenwandel und zur Bildung neuer Arten und Organisationstypen allen Lebens
geführt hat.
Es ist ein Optimierungsprozeß, dessen Erfolg jedoch nicht quantitativ me
ist.
Die Erfolge der Evolution drücken sich in ,, Anpassungsfähigkeit``\
und ,, Überlebensfähigkeit`` aus.
Es ist also keine zielgerichtete Optimierung, sondern ein ständiger Anpassungsprozeß
an die sich ändernden Lebensbedingungen.
Ein Kernbegriff der Evolutionstheorie ist das Prinzip ,, Survival of the
fittest``, welches von Charles Darwin in seinem Klassiker [3]
eingeführt wurde.
Nach diesem Prinzip arbeiten die genetischen Algorithmen, indem sie den
Evolutionsprozeß simulieren.
Figure 1: Der Ablauf eines genetischen Algorithmus
Wie in der Natur auch, startet der Evolutionsprozeß mit einer Menge von
einzelnen Individuen, der sogenannten Population.
Die Individuen sind komplette Lösungen für ein Optimierungsproblem,
die durch die Zuordnung einer Qualität, der sogenannten Fitneß,
bewertet werden.
Aus den besten dieser Elemente werden im Laufe einer Generation
durch Anwendung der genetischen Operatoren Mutation und
Crossover neue Lösungen erzeugt, welche am Ende der Generation
andere Individuen in der Population ersetzen, falls die Qualität
der neu generierten Lösungen besser ist (siehe Abb. 1).
Der Mutations-Operator kopiert ein Individuum und führt an der
Kopie zufällige Änderungen durch.
Der Crossover-Operator entspricht der Fortpflanzung in der Biologie,
d.h. es werden zwei ,, Eltern`` aus der Population ausgewählt (selektiert),
aus denen ein neues Individuum (Offspring) generiert wird, welches Eigenschaften
von beiden Parent-Individuen erbt.
Der Crossover-Operator steuert den Optimierungsprozeß, indem er
gezielt gute Lösungen kombiniert, während der Mutationsoperator
die Varianz in der Population erhöht und somit die Konvergenz
in ein lokales Optimum verhindert.