Evolutionäre Algorithmen haben die biologische Evolution als Vorbild und nutzen die Prinzipien der Populationsgenetik sowie der Darwinschen Entwicklungslehre, um Lösungen zu züchten, ohne die Problemstruktur kennen oder wissen zu müssen. Such- und Optimierungsaufgaben gehören genauso zu deren Anwendungen wie automatische Generierung von Computerprogrammen als auch Verfahren des maschinellen Lernens.
Evolutionäre Algorithmen als naturanaloge Methode beschäftigen sich mit dem Problemlösen durch Anwendung von evolutionären Mechanismen. Über viele Generationen entwickeln sich natürliche Populationen gemäss den Prinzipien der natürlichen Selektion – das fitteste überlebt – als Problemlösungstechnik. Andererseits entwickelt sich die DNS (Desoxyribonukleinsäure, Speicher der genetischen Information) als Technik, Probleme zu kodieren. Durch nachmachen dieser Prozesse sind evolutionäre Algorithmen fähig, Lösungen von Problemen aus der realen Welt „sich entwickeln zu lassen“.
Anwendungen auf dieser Grundlage sind auf verschiedenen Gebieten zu finden.
Evolutionäre Algorithmen (EA) gehören zur Kategorie der Optimierungsmethoden. Evolutionäres Rechnen (Evolutionary Computation) ist allgemeiner, aber nicht ausschließlich auf Optimierung fixiert. Die Künstliche Intelligenz beschäftigt sich mit der menschlichen Intelligenz und menschlichem Problemlösungsverhalten. Dabei sollen die Fähigkeiten des menschlichen Gehirns nachgebildet werden.
Soft Computing als Teil der Evolutionären Algorithmen beinhaltet künstlich neuronale Netze und Fuzzy-Theorie deren Hauptmerkmal die Entwicklung intelligenter Software ist. Die Fuzzy-Theorie (Fuzzy für ungenau/verwischt) basiert auf einer Entwicklung von Lotfi Zadeh im Jahre 1965. Dieser entwickelte für das Problem exakte Eingaben für intelligente Systeme bereitzustellen eine Brücke zwischen logischen Ausdrücken und mathematischen Mengen (Vgl. S. 522, et al. Russell, 2023).
1966 Evolutionary Programming (EP). Lawrence J. Fogel, A.J. Owens und M. J. Walsh präsentieren durch das Buch „Artificial Intelligence Through Simulated Evolution“ die Evolutionäre Programmierung. Fogels Ansatz liegt darin evolutionäre Prozesse durch die Fähigkeit zur Anpassung und Problemlösung mittels dem Mechanismus zur Entwicklung intelligenter Systeme zu verbessern. Fogel gilt als der Gründervater der Evolutionären Algorithmen.
1973 Evolution Strategies (ES). Ingo Rechenberg und Hans-Paul Schwefel optimieren reelle Werte und verwenden einfache Mutations- und Selektionsmechanismen. Die Inspiration dazu ist den biologischen Evolutionsprozessen wie Mutation, Selektion und Rekombination entnommen.
1975 entstand der Genetic Algorithmus (GA) durch John Holland. Genetische Algorithmen arbeiten mit binären Repräsentationen, Mutation, Crossover, Selektion.
John Holland untersuchte in den 1960er Jahren bereits die Parallelen zwischen biologischer Evolution und Computergestützen Such- und Optimierungsproblemen. Er entwickelte 1975 den Generic Algorithmus. Der Unterschied zwischen traditionellen Optimierungsmethoden und evolutionären Algorithmen besteht in der Natur der Lösungssuche. Während die Natur einen Punkt im Lösungsraum untersucht, untersuchen Evolutionäre Algorithmen Populationen von Lösungen. Grundbausteine der EAs sind bsw. Fitness-Funktion, die die Messung der Lösungsgüte untersucht. Reproduktionsmechanismen oder Selektion.
1992 weckt John Koza das allgemeine Interesse an der genetischen Programmierung, Genetic Programming (GP). Bei Evolutionsstrategien ist ein Individuum eine Folge von reellen Zahlen und bei der genetischen Programmierung ist ein Computerprogramm das Individuum (Vgl. S. 148, et al. Russell, 2023). Die Darstellung der Programme sind dabei keine Bit-Zeichenketten mehr, wie das bisher in klassischen Programmen wie C++ der Fall ist. Die Programme werden als eine Form von Syntaxbäumen dargestellt. Entweder als Standardprogrammiersprache oder als Form einer Darstellung elektronischer Schaltungen (Vgl. S. 176, et al. Russell, 2023).
Seit 1995 sieht man die Strömungen innerhalb der KI nicht mehr nur als Lösung von Problemen sondern betrachtet diese Gesamtheit als Organismus der aus den evolutionären Bestandteilen seiner eigenen Evolution besteht.
Quelle
Russell, Stuart; Norvig, Peter; Künstliche Intelligenz, Ein moderner Ansatz, 4. aktualisierte Auflage, Pearson Verlag 2023
Evolutionäre Algorithmen, EAs, abgerufen, 8. Mai 2025.
https://gpt5.blog/evolutionaere-algorithmen_eas/
Bildquelle
AlexN20 Pixabay
Schreibe einen Kommentar