Genetische Algorithmen in der Computersimulation

Genetische Algorithmen basieren auf Prinzipien der Molekulargenetik und funktionieren in direkter Analogie zur biologischen Evolution. Es existiert ein Lebensraum, der Computer, in dem Bedingungen für das Überleben und die Vererbung gegeben sind. Die Bedingung für das Überleben stellen die Objective Score bzw. Fitnessfunktionen. Sie repräsentieren das Ergebnis der Projektion eines Satzes von Variablen auf die gewünschte Zielfunktion.

In diesem Lebensraum arbeiten Genetische Algorithmen mit Populationen von Individuen, wobei jedes Individuum einen Satz von Variablen zur vollständigen Lösung des vorgegebenen Problems beinhaltet. Jedem einzelnen Individuum wird aufgrund seiner ``Leistung'' beim Lösen dieses Problems eine Fitness zugeordnet. Zum Beispiel könnte es sich bei der Fitness um den Energiewert eines Moleküls handeln. In der Analogie zur Natur bedeutet dies, wie gut ein Wesen um Ressourcen kämpfen kann, wie viele es für sich vereinnahmen kann. Den gut angepaßten Individuen wird dann Gelegenheit gegeben, Nachkommen mit anderen zu zeugen, um sich damit fortzupflanzen. Bei dieser Fortpflanzung werden die natürlichen Mechanismen des Crossovers und der Mutation angewandt, so daß die Nachkommen Gene von jedem Elternteil bekommen und zusätzlich noch ein Unsicherheitsfaktor eingebaut ist. Es ist klar, daß weniger fitte Individuen ihre Gene nicht so oft weitervererben können sollten, um somit über die Zeit unproduktive Genkombinationen regelrecht aussterben zu lassen.