Algoritmos genéticos: áreas de aplicación
Los algoritmos genéticos se utilizan principalmente en problemas de optimización de varios tipos, pero también se utilizan con frecuencia en otras áreas de aplicación.
En esta sección, enumeramos algunas de las áreas en las que se utilizan con frecuencia los algoritmos genéticos. Estos son ...
Optimization- Los algoritmos genéticos se utilizan más comúnmente en problemas de optimización en los que tenemos que maximizar o minimizar un valor de función objetivo dado bajo un conjunto dado de restricciones. El enfoque para resolver problemas de optimización se ha destacado a lo largo del tutorial.
Economics - Los GA también se utilizan para caracterizar varios modelos económicos como el modelo de telaraña, la resolución de equilibrio de la teoría de juegos, el precio de los activos, etc.
Neural Networks - Los GA también se utilizan para entrenar redes neuronales, particularmente redes neuronales recurrentes.
Parallelization - Los GA también tienen muy buenas capacidades paralelas y demuestran ser un medio muy eficaz para resolver ciertos problemas, y también proporcionan una buena área para la investigación.
Image Processing - Los GA se utilizan para diversas tareas de procesamiento de imágenes digitales (DIP), así como para la coincidencia de píxeles densos.
Vehicle routing problems - Con múltiples ventanas de tiempo suave, múltiples depósitos y una flota heterogénea.
Scheduling applications - Los GA también se utilizan para resolver varios problemas de programación, en particular el problema de la tabla de tiempos.
Machine Learning - Como ya se ha comentado, el aprendizaje automático basado en la genética (GBML) es un área de nicho en el aprendizaje automático.
Robot Trajectory Generation - Los GA se han utilizado para planificar la ruta que toma un brazo robótico al moverse de un punto a otro.
Parametric Design of Aircraft - Los GA se han utilizado para diseñar aviones variando los parámetros y desarrollando mejores soluciones.
DNA Analysis - Los GA se han utilizado para determinar la estructura del ADN utilizando datos espectrométricos sobre la muestra.
Multimodal Optimization - Los GA son obviamente enfoques muy buenos para la optimización multimodal en los que tenemos que encontrar múltiples soluciones óptimas.
Traveling salesman problem and its applications - Se han utilizado GA para resolver el TSP, que es un problema combinatorio bien conocido que utiliza estrategias novedosas de cruzamiento y empaquetado.