Эволюционные стратегии были предложены в 1970-х гг. в качестве стохастического метода нахождения глобального минимума функций многих переменных суть которого состоит в следующем.
Из случайных векторов решения задачи многокритериальной оптимизации— размерность пространства параметров оптимизации, формируется начальная популяция объектов эволюции, над которыми выполняются следующие действия.
- Из решений х формируются новые объекты — потомки путем сложения каждой компоненты со случайной переменной имеющей нормальный закон распределения с нулевым математическим ожиданием.
- Вычисляются значения целевой функции и осуществляется выбор наилучшего (минимального) решения, которое отбирается в новую популяцию.
- Процесс продолжается до тех пор, пока не будет достигну то приемлемое решение.
Каждый объект в популяции характеризуется двумя векторами — вектором решения и случайным вектором, модифицирующим это решение. Случайный вектор характеризуется вектором дисперсии, который хранится в процессе поиска, и может быть дополнен корректирующим вектором, ускоряющим сходимость алгоритма. Значение моделирует величину шага изменения параметров, выбираемую случайным образом. В общем случае может принимать любые значения, однако в схеме моделирования эволюционных механизмов величина отражает интенсивность мутаций «родителя» и поэтому не слишком велика.
- родителей порождают потомков, все решения борются за выживание и лучшие объектов отбираются в следующую популяцию;
- время жизни объекта ограничено одной генерацией, т.е. родителей, произведя потомков, погибают. За место в следую щей популяции соревнуются только потомков, причем в дан ном способе должно выполняться условие(рекомендуемое соотношение Такой подход применим к задачам с изменяющимся оптимумом и с зашумленными данными.
В эволюционных стратегиях используется оператор рекомбинации (в эволюционном программировании, в отличие от эволюционных стратегий, рекомбинация не применяется), который аналогичен скрещиванию в генетических алгоритмах. При этом компоненты вектора «потомка» создаются из компонент векторов решений двух «родителей». Это можно сделать разными способами, например:
- компоненты вектора потомка выбираются случайным образом из векторов родителей;
- компоненты вектора потомка получаются как средние арифметические значения компонент обоих родителей, а затем к полученному потомку применяется оператор мутации.
В эволюционных стратегиях иногда применяется глобальная рекомбинация, при которой компоненты вектора каждого потомка случайным образом выбираются из векторов всей популяции родителей.
Следует отметить, что моделирование естественных процессов развития, в том числе и эволюции, было и остается одним из самых перспективных научных направлений.
Кроме описанных методов эволюционных вычислений, на основе естественных аналогий придуманы нейронные сети, предложены методы эволюционного синтеза систем и методы эволюционного проектирования технических объектов. Особенностью подходов, базирующихся на эволюционных аналогиях, является контраст между достаточно простым математическим аппаратом (по сравнению с другими методами) и впечатляющими результатами в области решения слабоструктурированных и плохо обусловленных проблем.
Великий Гёте назвал природу «творцом всех творцов», поэтому разработчикам ИИС еще предстоит очень многому у нее научиться.