Algoritmi genetici - Aree di applicazione
Gli algoritmi genetici sono utilizzati principalmente in problemi di ottimizzazione di vario genere, ma sono spesso utilizzati anche in altre aree di applicazione.
In questa sezione, elenchiamo alcune delle aree in cui vengono utilizzati frequentemente gli algoritmi genetici. Questi sono -
Optimization- Gli algoritmi genetici sono più comunemente usati nei problemi di ottimizzazione in cui dobbiamo massimizzare o minimizzare un dato valore di funzione obiettivo sotto un dato insieme di vincoli. L'approccio per risolvere i problemi di ottimizzazione è stato evidenziato durante il tutorial.
Economics - Le GA sono anche utilizzate per caratterizzare vari modelli economici come il modello della ragnatela, la risoluzione dell'equilibrio della teoria dei giochi, i prezzi degli asset, ecc.
Neural Networks - Gli GA sono utilizzati anche per addestrare le reti neurali, in particolare le reti neurali ricorrenti.
Parallelization - Le GA hanno anche ottime capacità parallele e si dimostrano mezzi molto efficaci per risolvere determinati problemi e forniscono anche una buona area di ricerca.
Image Processing - I GA vengono utilizzati per varie attività di elaborazione di immagini digitali (DIP) e per la corrispondenza dei pixel densi.
Vehicle routing problems - Con più finestre temporali morbide, più depositi e una flotta eterogenea.
Scheduling applications - I GA vengono utilizzati anche per risolvere vari problemi di pianificazione, in particolare il problema della presentazione del tempo.
Machine Learning - come già discusso, l'apprendimento automatico basato sulla genetica (GBML) è un'area di nicchia nell'apprendimento automatico.
Robot Trajectory Generation - Gli GA sono stati utilizzati per pianificare il percorso che un braccio robotico prende spostandosi da un punto all'altro.
Parametric Design of Aircraft - Gli GA sono stati utilizzati per progettare velivoli variando i parametri e sviluppando soluzioni migliori.
DNA Analysis - Gli GA sono stati utilizzati per determinare la struttura del DNA utilizzando dati spettrometrici sul campione.
Multimodal Optimization - I GA sono ovviamente ottimi approcci per l'ottimizzazione multimodale in cui dobbiamo trovare molteplici soluzioni ottimali.
Traveling salesman problem and its applications - Le GA sono state utilizzate per risolvere il TSP, che è un noto problema combinatorio utilizzando nuove strategie di crossover e di impacchettamento.