MedVetTekt

Genetiska algoritmer har använts länge för att via datorsimuleringar hitta optimala lösningar på teknologiska problem. Det är ett sätt att efterlikna evolutionen och fungerar bra om man har ett fitnesskriterium, det vill säga ett sätt att mäta hur bra en viss lösning är för problemet. Verklig evolution pågår ju emellertid under ständigt skiftande förhållanden. Även i samhället ställs individerna hela tiden inför nya problem och måste på grund av detta ändra sina närliggande mål, dvs skifta fitnesskriterium.

Nu har man inom komplexitetsforskning kunnat visa att genetiska algoritmer i datorsystem ger en avsevärt snabbare optimal lösning om man delar upp problemet i delmål och låter relationerna mellan dessa variera på ett sätt som kan motsvara skiftande evolutionära omgivningsfaktorer.

Etiketter: delmål, genetiska algoritmer