Генетические алгоритмы в основном используются в задачах оптимизации различного рода, но они часто используются и в других областях применения.
В этом разделе мы перечислим некоторые области, в которых часто используются генетические алгоритмы. Это —
Оптимизация — Генетические алгоритмы чаще всего используются в задачах оптимизации, где мы должны максимизировать или минимизировать заданное значение целевой функции при данном наборе ограничений. Подход к решению проблем оптимизации был выделен в учебнике.
Экономика — GA также используются для характеристики различных экономических моделей, таких как модель паутины, разрешение равновесия в теории игр, ценообразование активов и т. Д.
Нейронные сети — ГА также используются для обучения нейронных сетей, особенно рекуррентных нейронных сетей.
Распараллеливание — GA также обладают очень хорошими возможностями параллелизма и являются очень эффективным средством решения определенных проблем, а также предоставляют хорошую область для исследований.
Обработка изображений — GA используются для различных задач цифровой обработки изображений (DIP), а также для плотного сопоставления пикселей.
Проблемы с маршрутизацией транспортных средств — с несколькими мягкими временными окнами, несколькими складами и разнородным парком.
Приложения для планирования — GA также используются для решения различных задач планирования, в частности, для определения времени.
Машинное обучение — как уже говорилось, машинное обучение на основе генетики (GBML) — это нишевая область машинного обучения.
Генерация траектории робота — GA использовались для планирования пути, по которому движется рука робота при перемещении из одной точки в другую.
Параметрическое проектирование самолетов — ГА использовались для проектирования самолетов, изменяя параметры и разрабатывая лучшие решения.
Анализ ДНК — ГА были использованы для определения структуры ДНК с использованием спектрометрических данных об образце.
Мультимодальная оптимизация — GA, безусловно, являются очень хорошими подходами для мультимодальной оптимизации, в которой мы должны найти несколько оптимальных решений.
Задача коммивояжера и ее применение — GA использовались для решения TSP, которая является хорошо известной комбинаторной проблемой, использующей новые стратегии кроссовера и упаковки.