Algoritmi Genetici

Gli algoritmi genetici sono metodi informatici di ricerca basati sulla selezione naturale e sul paragone con la genetica osservata in natura. Essi combinano la sopravvivenza del più forte con lo scambio di conoscenza strutturata per formare un algoritmo di ricerca innovativo. In ogni generazione, un nuovo insieme di creature artificiali (stringhe) viene creato usando pezzi dei migliori della generazione precedente. Occasionalmente vengono provate parti nuove per introdurre possibili miglioramenti.

Gli algoritmi genetici sono stati introdotti dal gruppo di ricerca di John Holland dell'Università del Michigan. L'obiettivo delle loro ricerche era duplice: - astrarre e spiegare in modo rigoroso il processo di adattamento dei sistemi naturali; - progettare sistemi software che mantengano il meccanismo naturale.

Questo approccio ha portato a scoperte importanti nelle scienze naturali e dei sistemi artificiali. Nonostante siano basati sulla casualità, gli algoritmi genetici non sono una semplice ricerca casuale; essi esplorano efficacemente informazioni storiche per dedurre nuovi punti di ricerca che abbiano migliori caratteristiche. Essi appartengono alla categoria degli algoritmi probabilistici, ma sono molto differenti dagli algoritmi casuali, perché combinano elementi di ricerca stocastica e ricerca guidata; proprio grazie a questo, sono molto più robusti dei metodi esistenti di ricerca mirata.

La principale monografia sull'argomento è Adaptation in Natural and Artificial Systems, di Holland (1975), e molti altri lavori comprovano la validità di questa tecnica per l'ottimizzazione di funzioni e nelle applicazioni di controllo. Dopo essersi affermati come un valido approccio per problemi che richiedono una ricerca efficiente, gli algoritmi genetici stanno trovando applicazione in campo ingegneristico, scientifico ed economico. Le ragioni che stanno dietro a questo successo sono chiare: questi algoritmi sono computazionalmente semplici, ma potenti nella loro ricerca del miglioramento, ed inoltre non sono limitati da assunzioni restrittive riguardo allo spazio di ricerca; come continuità, derivabilità ed altro. In campo finanziario gli algoritmi genetici vengono applicati con profitto su problemi di ottimizzazione di portafoglio.