Conceito:

Os algoritmos genéticos (AG’s), são técnicas baseadas na teoria da evolução, nos quais as variáveis são representadas como genes de um cromossomo. Juntamente com estratégias evolucionais e programação evolutiva formam uma classe de pesquisa baseado em evolução natural (CONCILIO, 2000).

AG’s são métodos que simulam, através de algoritmos, os processos de evolução natural e genética buscando resolver problemas de otimização onde o espaço de busca é muito grande e os métodos convencionais não se demonstram eficientes.

O algoritmo básico foi estruturado de forma que as informações referentes a um determinado sistema pudessem ser codificadas de maneira análoga aos cromossomos biológicos.

Eles ocupam lugar de destaque entre os paradigmas da computação evolutiva, por conter de forma simples e natural os conceitos necessários da computação evolutiva.

Além disso, têm resultados bastante aceitáveis com relação aos recursos empregados e pela ampla gama de problemas aplicáveis.

O AG para um determinado problema deve ter os seguintes componentes e etapas:

   
  • uma representação genética para a solução que se deseja alcançar;

  • uma maneira de gerar um populaçãao inicial;

  • a função de avaliação que vai classificando as soluções geradas;

  • operadores genéticos para a geraçãao de novas populações;

  • valores para os diversos parâmetros testados.

Essas etapas estão representadas graficamente na figura abaixo

Também são vistos como otimizadores de funções, embora a quantidade de problemas para qual são aplicados seja bastante abrangente. A principal vantagem deles é de trabalhar com o conceito de população, ao contrário de outros métodos que trabalham com um só ponto, avaliando apenas um candidato à solução por vez.

Esses algoritmos modelam uma solução para um problema específico em uma estrutura de dados como a de um cromossomo e aplicam operadores que recombinam essas estruturas preservando informações críticas, explorando a idéia de sobrevivência nos indivíduos mais adaptados e no cruzamento de população para criar novas e inovadoras estratégias de pesquisa.