Les algorithmes évolutionnaires sont des méthodes d'optimisation stochastiques qui améliorent itérativement une population de solutions dans un espace de recherche grâce aux principes de sélection naturelle et de variation.
Formellement, les AE incluent des opérateurs tels que la sélection, le croisement (recombinaison) et la mutation pour générer de nouveaux individus évalués selon une fonction de fitness.
L'algorithme répète ces étapes sur plusieurs générations jusqu'à ce qu'un critère d'arrêt soit satisfait.
Les algorithmes évolutionnaires sont particulièrement efficaces pour les problèmes d'optimisation multimodaux, non différentiables ou discrets.
Définition :
« Les algorithmes évolutionnaires sont des métaheuristiques basées sur une population qui optimisent un ensemble de solutions par application itérative de la sélection, de la recombinaison et de la mutation, inspirées de l'évolution biologique. »
Source :
Back, T., Fogel, D. B., & Michalewicz, Z. (Éds.). (2018). Handbook of Evolutionary Computation. IOP Publishing.