الگوریتم فرگشتی

الگوریتم‌های فرگشتی (به انگلیسی: Evolutionary algorithms)، زیر مجموعه‌ای از محاسبات فرگشتی است و در شاخه هوش مصنوعی قرار می‌گیرد و شامل الگوریتم‌هایی جهت جستجو است که در آن‌ها عمل جستجو از چندین نقطه در فضای جواب آغاز می‌شود.

الگوریتم‌های فرگشتی به‌طور اساسی با دیگر روش‌های بهینه‌سازی و جستجوی مرسوم قدیمی تفاوت دارند. برخی از این تفاوت‌ها عبارتند از:

• الگوریتم‌های فرگشت‌پذیر تنها یک تک نقطه را جستجو نمی‌کنند بلکه جمعیتی از نقاط را به صورت موازی بررسی می‌نمایند.
• الگوریتم‌های فرگشت‌پذیر نیاز به اطلاعاتی ضمنی و دیگر دانش‌های مکمل ندارند؛ تنها تابع هدف و شایستگی مربوط در جهت‌های جستجو تأثیر گذارند.
• الگوریتم‌های فرگشت‌پذیر از قوانین در حال تغییر احتمالی بهره می‌برند و نه موارد مشخص و معین.
• استفاده از الگوریتم‌های فرگشت‌پذیر به‌طور کلی خیلی سر راست است، زیرا هیچگونه محدودیت‌هایی برای تعریف تابع هدف وجود ندارد.
• الگوریتم‌های فرگشت‌پذیر تعداد زیادی از پاسخ‌های قابل قبول را بدست می‌دهند و انتخاب پایانی بر عهده کاربر است؛ لذا در مواردی که مسئله مورد نظر شامل یک پاسخ مفرد نمی‌باشد، مثلاً خانواده‌ای از پاسخ‌های بهینه-پَرِتو، مشابه آنچه در بهینه‌سازی چند هدفه و مسائل زمان‌بندی وجود دارد. الگوریتم‌های فرگشتی برای شناسایی این پاسخ‌های چندگانه به‌طور هم‌زمان ذاتاً کارآمدند.

الگوریتم‌های فرگشتی عبارتند از:

• الگوریتم ژنتیک
• الگوریتم کلونی زنبور عسل
• روش بهینه‌سازی گروه مورچه‌ها
• راهبرد فرگشتی
• الگوریتم رقابت استعماری