Evoluciono računarstvo

U računarskoj nauci, evoluciono računarstvo je porodica algoritama za globalnu optimizaciju inspirisana biološkom evolucijom,^{[1][2][3][4][5]} i podoblast veštačke inteligencije i mekog računarstva koja proučava ove algoritme. U tehničkom smislu, oni su populaciono zasnovana porodica rešavanja problema tipa pokušaja i grešaka sa metaheurističkim^[6] ili stohastičkim karakterom optimizacije.^[7][8][9]

Evolucija populacije slučajnih slika. Svaki kadar u animaciji je generacija koja prikazuje najbolju osobu u pogledu fitnesa sa genomom sastavljenim od nivoa sivih tonova svakog segmenta. Evolucija prati korake: 1. procena fitnesa, 2. rangiranje pojedinca i 3. uključitivanje gena sledećeg pojedinca sa najboljim fitnesom. Fitnes je razlika greške u odnodu na sliku Čarlsa Darvina

U evolucionom proračunu, početni skup rešenja kandidata se generiše i iterativno ažurira. Svaka nova generacija se proizvodi stohastičkim uklanjanjem manje željenih rešenja i uvođenjem malih nasumičnih promena kao i, u zavisnosti od metode, mešanjem roditeljskih informacija. U biološkoj terminologiji, populacija rešenja je podvrgnuta prirodnoj selekciji (ili veštačkoj selekciji), mutaciji i eventualno rekombinaciji. Kao rezultat, populacija će postepeno evoluirati kako bi se povećala fitnes, u ovom slučaju izabrane funkcije fitnesa algoritma.^[10][11]

Evolucione tehnike računanja mogu da proizvedu visoko optimizovana rešenja u širokom spektru podešavanja problema, što ih čini popularnim u računarskoj nauci. Postoje mnoge varijante i proširenja, prilagođena specifičnijim porodicama problema i struktura podataka. Evoluciono računanje se takođe ponekad koristi u evolucionoj biologiji kao in silico eksperimentalna procedura za proučavanje uobičajenih aspekata opštih evolucionih procesa.