Les algorithmes génétiques sont une technique de programmation qui les informaticiens tirées de la nature. Nature conçoit des solutions végétales et animales belles à des problèmes difficiles par des moyens strictement mécaniques sans directions intelligents. Les algorithmes génétiques peuvent trouver la réponse optimale aux problèmes de conception difficiles quand vous n'avez aucune idée de comment procéder . Les seules contraintes sont nécessaires que vous devez avoir un problème d'optimisation et que les solutions peuvent être décrits avec une chaîne de nombres . Instructions
1

conception d'une série de chiffres qui décrit une solution à votre problème . Concevoir une fonction qui permet d'évaluer ces chaînes , d'une chaîne , cette fonction peut vous dire à quel point la chaîne est aussi une réponse à votre problème . Par exemple , la chaîne peut être une liste de mesures de l' intérieur d'une turbopompe de moteur-fusée . La fonction serait d'un calcul de la poussée d'une chambre avec ces mesures. La chaîne pourrait aussi être les pourcentages d'eau , de sable , de ciment et de gravier qui constituent un mélange de béton sous-marin.
2

écrire un programme informatique qui évolue les cordes vers l'optimisation. Commencez avec une population de cordes où tous les numéros dans les cordes ont été choisis au hasard. Une «génération» consiste à évaluer toutes les chaînes dans la «population» et en écartant les cordes avec les valeurs les plus faibles . Les chaînes avec les plus hautes évaluations se poursuivront dans la prochaine génération . Un mélange aléatoire des chaînes de préformation élevés permettra également à la génération suivante . Certaines de ces chaînes auront des mutations aléatoires de l'un des nombres de la chaîne. Ce processus est répété pour plusieurs générations. Le nombre de chaînes dans chaque génération est le même.
3

Trouvez l'algorithme génétique minimum en exécutant votre solution avec l'un des numéros manquants. Si il ya un nombre "N" dans une chaîne, cela signifie courir "n" des populations différentes dont une avec chacun des numéros manquants. Si les chaînes plus courtes ont toujours la même évaluation de haut, courir populations plus en plus courts jusqu'à ce que vous trouvez la plus courte chaîne qui va travailler pour le problème spécifique. Pour le problème concret , cela vous dira si vous pouvez laisser de côté l'un des ingrédients .