UMĚLÁ INTELIGENCE V AUTOMOTIVE / David et al.

Obr. 4.7 Princip genetického algoritmu [4.40] Pojem genetický algoritmus, který byl dříve využíván k popisu evolučních algo ritmů v oblasti výpočetní techniky, je dnes stále více nahrazován termínem evoluční výpočty. Tento nový pojem lépe reflektuje širší spektrum algoritmů, které se inspirovaly evolučními procesy v přírodě a využívají se k řešení různých optimalizačních a vyhledá vacích úloh. Evoluční výpočty představují univerzální numerické prohledávací a optimalizač ní metody, které využívají stochastické jevy simulující přirozený evoluční proces. Mezi hlavní přístupy evolučních výpočtů patří genetické algoritmy, evoluční strategie, gene tické programování a další. Tyto metody se zaměřují na náhodné změny ve vlastnostech jedinců, výběr nejúspěšnějších jedinců na úkor méně úspěšných a vyžadují velký výpo četní objem. Podle typu aplikace jsou v časovém úseku (od několika sekund až po několik de sítek hodin) schopny napodobit mnoho evolučních cyklů, což vede k vysoké úspěšnosti ve srovnání s konvenčními postupy. [4.39] Jak už bylo zmíněno dříve, evoluční techniky vyžadují minimální množství vstup ních informací. To znamená, že k optimalizaci potřebujeme pouze jasně definovanou účelovou funkci, vyspecifikovaný prostor prohledávání, podmínku ukončení algoritmu a parametry evolučního postupu (tyto parametry jsou obvykle nastaveny v evoluční me todě, ale mohou být upraveny). [4.41] Optimalizační postup založený na evolučních metodách lze implementovat v růz ných programovacích jazycích nebo využít specializované softwarové prostředí, jako je například Matlab.

49