genetik alqoritmlər — istədiyiniz parametrləri təsadüfi seçmək, birləşdirmək və dəyişməklə optimallaşdırma və modelləşdirmə problemlərini həll etmək üçün istifadə olunan heuristik bir axtarış alqoritmi;
genetik proqramlaşdırma — genetik alqoritmlərdən istifadə edərək proqramların avtomatik yaradılması və ya dəyişdirilməsi;
təkamül proqramı — genetik proqramlaşdırmaya bənzəyir, lakin proqramın quruluşu daimidir, yalnız ədədi dəyərlər dəyişir;
gen ifadə proqramlaşdırma
təkamül strategiyaları — genetik alqoritmlərə bənzəyir, ancaq müsbət mutasiyalar sonrakı nəslə ötürülür;
diferensial təkamül
neyroevolyasiya — genetik proqramlaşdırmaya bənzər, lakin genomlar çəkilərin təkamülünün müəyyən bir şəbəkə topologiyası ilə baş verdiyi və ya çəkilərin təkamülünə əlavə olaraq topologiyanın da təkamül etdiyi süni neyron şəbəkələrdir;
təsnifat sistemləri;
Hamısı bioloji təkamül nəzəriyyəsindəki əsas prinsipləri — seleksiya, mutasiya və çoxalma proseslərini modelləşdirirlər. Agentlərin davranışı ətraf mühit tərəfindən müəyyən edilir. Bir çox agent ümumiyyətlə populyasiya adlanır. Belə bir populyasiya ətraf mühitin müəyyən etdiyi obyektiv funksiyaya uyğun olaraq seçim qaydalarına uyğun olaraq inkişaf edir. Beləliklə, əhalinin hər bir agentinə (fərdi) ətraf mühitdə uyğunluğu dəyəri verilir. Yalnız ən uyğun növ cinsidir. Rekombinasiya və mutasiya agentlərin ətraf mühitə uyğunlaşmasına və uyğunlaşmasına imkan verir. Bu cür alqoritmlər uyğunlaşdırıcı axtarış motorlarına aiddir.
Təkamül alqoritmləri funksional optimallaşdırma kimi tapşırıqlarda uğurla istifadə edilmişdir və asanlıqla riyazi dildə təsvir edilə bilər.
Təkamül alqoritmləri kombinator optimallaşdırmada, xüsusən səyahət satıcısı problemi, çanta qablaşdırma problemi, qırılma nömrələri, ən müstəqil dəst və eskiz qrafikləri kimi klassik NP tam problemlərinin həllində istifadə olunur. [1]
Musiqidə təkamül alqoritmlərinin istifadəsi, ilk növbədə müxtəlif dövrlərin məşhur insanları tərəfindən musiqi alətlərini çalmağı simulyasiya edərkən fəal şəkildə öyrənilir[2].
↑Olariu Stephan, Zomaya Albert Y. Handbook of Bioinspired Algorithms and Applications (Chapman Hall/Crc Computer Information Science). Chapman Hall/CRC. ISBN1-58488-475-4.
Емельянов В. В., Курейчик В. В., Курейчик В. М. Теория и практика эволюционного моделирования. М.: Физматлит. 2003. ISBN5-9221-0337-7.
Курейчик В. М., Лебедев Б. К., Лебедев О. К. Поисковая адаптация: теория и практика. М.: Физматлит. 2006. ISBN5-9221-0749-6.
Гладков Л. А., Курейчик В. В., Курейчик В. М. Генетические алгоритмы: Учебное пособие (2-е изд.). М.: Физматлит. 2006. ISBN5-9221-0510-8.
Гладков Л. А., Курейчик В. В, Курейчик В. М. и др. Биоинспирированные методы в оптимизации: монография. М.: Физматлит. 2009. ISBN978-5-9221-1101-0.
Рутковская Д., Пилиньский М., Рутковский Л. Нейронные сети, генетические алгоритмы и нечеткие системы (2-е изд.). М.: Горячая линия-Телеком. 2008 [Sieci neuronowe, algorytmy genetyczne i systemy rozmyte]. ISBN5-93517-103-1.
Рутковский Л. Методы и технологии искусственного интеллекта. М.: Горячая линия-Телеком. 2010. ISBN5-9912-0105-6.
Волович, Игорь Васильевич, Хохлова М. Н. O теории моделирования и гиперграфе классов. 245 (Труды Математического института им. В.А.Стеклова). 2004. 281–287.