遺伝的アルゴリズムの実際のアプリケーションは何ですか？

遺伝的アルゴリズムを使用して解決された現実世界の問題とは何ですか？何が問題ですか？この問題を解決するために使用されるフィットネステストとは何ですか？

リレーショナルデータベースのオプティマイザー。例はPostgreSQLおよびH2です。他のデータベースもおそらく遺伝的アルゴリズムを使用しています。問題は、最適なクエリプラン（推定コストが最も低いクエリプラン）を選択するのがNPハードであることです。フィットネステストは、推定コストです。

ラマルク遺伝的アルゴリズムは、特定の受容体と結合することができる潜在的な新しい薬剤化合物をスクリーニングするためにケモインフォマティクスに使用されます。

計算上の問題は、化学データベースを介して、正しい向きにできる候補を検索し（受容体を含む分子の考えられる方向を書く）、それを立体配座検索（つまり、分子の考えられる回転可能なねじれを考慮するもの）と組み合わせることです、反応に強く影響する可能性があります）。

以前は、方向検索または立体配座検索のいずれかを実行できましたが、両方を実行することはできませんでした。LGAはコンピューターの高速化を活用し、遺伝的アルゴリズムのグローバル検索とローカル検索を組み合わせます。

Nasaは、アンテナ設計用の遺伝的アルゴリズムを作成しました。

フィットネステストは次のとおりです。

アンテナの評価に使用されるフィットネス関数は、電圧定在波比（VSWR）と、送信および受信周波数のゲイン値の関数です。VSWRは、反射波干渉、したがって接合部でのインピーダンス不整合の量を定量化する方法です。VSWRは、伝送ラインに沿った信号エンベロープの最高電圧と最低電圧の比率です。

これらは金融、特にポートフォリオ最適化の問題でよく使用されます。このテーマに関する多くの論文がありますが、例えばポートフォリオ最適化における遺伝的アルゴリズムをご覧ください。

GAを使用して、製造および教育におけるスケジューリングの問題を解決しました。最初のケースのフィットネス機能は、指定された時間枠で要求されたアイテムがどれだけ製造されたかでしたが、2番目のケースでは、フィットネスは競合のあるペナルティスケジュールに基づいていました。

アプリケーションに興味がある場合は、citeseerxに関する20K以上の論文へのリンクをご覧ください

抵抗することはできませんが、ロジャー・アルシングの仕事を指摘します。

http://rogeralsing.com/2008/12/07/genetic-programming-evolution-of-mona-lisa/

50個の半透明の三角形のみを使用して、モナリザの画像を表します。

アンテナの設計はすでに言及されており、非常に豊富な分野です。（非常に直接的に、電気工学からコンピューターサイエンス（90年代後半）、より具体的には生物にヒントを得た計算と人工知能（過去5年ほど）に私の動きを始めました。）

同様に、特にフェーズドアレイの最適化のために、アンテナアレイの最適化を追加します。これは、アンテナ設計のすべての頭痛の種です。実際、電磁デバイス設計の分野全体に、アンテナ、アンテナアレイ、マイクロ波フィルター、光学回折格子、メタマテリアルデバイス設計など、あらゆる機会があります。時代遅れの調査は、遺伝的アルゴリズムによる電磁最適化であり、より最近の調査は、電磁学における遺伝的アルゴリズムです。（私は本当に2番目のものを購入する必要があります。

非電磁回路設計についても多くの優れた論文を見てきました。競争力のあるオペアンプやその他の集積回路設計を思い付くGA、FPGAのアナログ欠陥を利用して以下のようなアナログ機能を実装する「学習」GA愚かな、離散要素フィルター設計のような単純なものでさえ、GAのターゲットになる可能性があります。Qファクター、許容値、離散値、および寄生モデルをはんだ付けして、手元にある部品。

これらはしばしば、遺伝子演算子をパラダイムに適合させるためのいくつかの新しい（とにかく）回路表現、および可変サイズの染色体を伴います。

最近、GAを使用して、フィットネス関数として生成された物理的動力の流体力学シミュレーションを使用して風力タービンブレードの設計を進化させることについて質問がありました。[1]

このビデオは、遺伝的アルゴリズムを使用してVAWT風力タービンブレードを開発する方法を示しています。結果として得られるブレードの1つはまったく異なり、よくシミュレートされているようです。育種ソフトウェアはPerl、ディスプレイソフトウェアJava、CFDソフトウェアはOpenFoamで作成されました。このビデオの作成には、672 CPU時間以上が費やされました。注：以来、この実験で間違った空気粘度を使用していることがわかったため、結果は地球での使用には有効ではありません。（多分木星。）

[1] YouTubeの「進化する風力タービンブレード」、「sjh7132」。TCS.se質問/から引用：遺伝的アルゴリズムを使用して風車のタービンブレードをより効率的にすることはどの程度可能ですか？

ワインの分類にGAを使用する研究がいくつかあります。ワインの種類と生産地を正確に分類します（「起源」）。[1] これは、多くの用途がある農業システムでのGAの使用のサブセットです。[2]

[1] チリのワインクロマトグラムを例として使用したNHBeltranらによる特徴選択アルゴリズム

[2] Bolboacaらによる農業システムの遺伝的アルゴリズムの最新技術

航空宇宙分野での飛行制御のためのGAの使用に関する多くの論文があります。これらの多くは、IEEE explorerによって公開または検索可能です。フィットネス関数は一般に、アルゴリズムが飛行をどの程度/効果的に制御するかを測定します。

[1] Fantinutto et alによる遺伝的アルゴリズムによる飛行制御システムの設計と最適化

[2]極超音速飛行制御への遺伝的アルゴリズムの適用。オースティン、ジェイコブス。

[3]遺伝的アルゴリズムに基づく適応制御アルゴリズム、Xiaoru Wangを使用したF-16フライトサーフェス制御システムのマルチコア実装

[4]極超音速機の統合飛行制御への遺伝的アルゴリズムに基づくファジー論理制御。王建

後の調査で高く引用されている、GAの驚くべき、並外れた、またはパラダイムシフトの使用は、ビデオゲームの「問題」を解決するためにKozaによって開拓されました。つまり、Pac Manが原理の証明をどんなビデオゲームでも、結果は決して些細な「おもちゃ」とはほど遠いものです。

つまり、彼は実際の振る舞いを実装するアルゴリズムを進化させて、ゲームを長時間プレイすることで勝ちました。結果は、アマチュアまたは高度な人間のプレーヤーのパフォーマンスのレベルです。フィットネス関数は、アルゴリズムによって得点またはプレイ時間の長さのいずれかになります（後者は、ゲームAsteroidsで宇宙船を「狩る」古典的なケースのように、得点なしで生き残るアルゴリズムを進化させると考えられます）。振る舞いは、「プリミティブ」（例：モンスターを感知する/方向転換するなど）とプリミティブ戦略の組み合わせを表すツリーで実装されます。

[1] Atif M. AlhejaliとSimon M. Lucasによる遺伝的プログラミングを使用して進化する多様なMs. Pac-Manプレイエージェント

[2] Pac-Manのプレイの学習： GallagherとRyanによる進化的、ルールベースのアプローチ

[3] 複雑さの低いルールベースのポリシーを使用したプレイの学習： IstvánSzitaAndrásL〜orinczによるMs. Pac-Manによるイラスト

毎年恒例のGECCO会議（進化計算研究のほとんどの会場）には、「Real World Applications」トラックがあります。

この最近のプレゼンテーションもご覧ください。