遺伝的アルゴリズム-応用分野

遺伝的アルゴリズムは、主にさまざまな種類の最適化問題で使用されますが、他のアプリケーション分野でも頻繁に使用されます。

このセクションでは、遺伝的アルゴリズムが頻繁に使用されるいくつかの領域をリストします。これらは-

  • Optimization−遺伝的アルゴリズムは、特定の制約のセットの下で特定の目的関数値を最大化または最小化する必要がある最適化問題で最も一般的に使用されます。最適化問題を解決するためのアプローチは、チュートリアル全体で強調されています。

  • Economics − GAは、クモの巣モデル、ゲーム理論の均衡解決、資産価格設定などのさまざまな経済モデルを特徴付けるためにも使用されます。

  • Neural Networks − GAは、ニューラルネットワーク、特にリカレントニューラルネットワークのトレーニングにも使用されます。

  • Parallelization − GAはまた、非常に優れた並列機能を備えており、特定の問題を解決する上で非常に効果的な手段であることが証明されており、研究のための優れた領域も提供します。

  • Image Processing − GAは、高密度ピクセルマッチングなど、さまざまなデジタル画像処理(DIP)タスクに使用されます。

  • Vehicle routing problems −複数のソフトタイムウィンドウ、複数のデポ、および異種のフリートを備えています。

  • Scheduling applications − GAは、さまざまなスケジューリング問題、特に時間表の問題を解決するためにも使用されます。

  • Machine Learning −すでに説明したように、遺伝学に基づく機械学習(GBML)は、機械学習のニッチな分野です。

  • Robot Trajectory Generation − GAは、ロボットアームがあるポイントから別のポイントに移動することによってたどる経路を計画するために使用されてきました。

  • Parametric Design of Aircraft − GAは、パラメーターを変更し、より優れたソリューションを進化させることにより、航空機を設計するために使用されてきました。

  • DNA Analysis − GAは、サンプルに関する分光データを使用してDNAの構造を決定するために使用されています。

  • Multimodal Optimization − GAは、複数の最適解を見つける必要があるマルチモーダル最適化にとって明らかに非常に優れたアプローチです。

  • Traveling salesman problem and its applications − GAは、新しいクロスオーバーおよびパッキング戦略を使用したよく知られた組み合わせ問題であるTSPを解決するために使用されています。