Evolutionäre Algorithmen sind stochastische Optimierungsverfahren, die durch Prinzipien der natürlichen Selektion und Variation eine Population von Lösungen in einem Suchraum iterativ verbessern.
Formal beinhalten EAs Operatoren wie Selektion, Crossover (Rekombination) und Mutation, um neue Individuen zu erzeugen, die anhand einer Fitnessfunktion bewertet werden.
Der Algorithmus wiederholt diese Schritte über Generationen, bis ein Abbruchkriterium erfüllt ist.
Evolutionäre Algorithmen sind besonders effektiv bei multimodalen, nicht differenzierbaren oder diskreten Optimierungsproblemen.
Definition:
„Evolutionäre Algorithmen sind populationsbasierte Metaheuristiken, die durch iterative Anwendung von Selektion, Rekombination und Mutation eine Menge von Lösungen optimieren, inspiriert von biologischer Evolution.“
Quelle:
Back, T., Fogel, D. B., & Michalewicz, Z. (Eds.). (2018). Handbook of Evolutionary Computation. IOP Publishing.