유전자 알고리즘은 선택 작업을 사용하여 그룹 내 개인 간의 적자 생존 작업을 구현합니다. 적합도가 높은 개인은 다음 세대 그룹으로 상속될 확률이 높습니다.
유전 알고리즘(GA)은 1970년대 미국의 존 홀랜드(John Holland)에 의해 처음 제안되었으며, 이 알고리즘은 자연에 존재하는 유기체의 진화 법칙을 기반으로 설계 및 제안되었습니다. 다윈의 생물학적 진화론의 자연선택과 유전적 메커니즘을 모사한 생물학적 진화과정의 전산모델로, 자연진화과정을 모사하여 최적의 해를 찾는 방법이다.
이 알고리즘은 수학적 방법과 컴퓨터 시뮬레이션 작업을 사용하여 문제 해결 과정을 생물학적 진화에서 염색체 유전자의 교차 및 돌연변이와 유사한 과정으로 변환합니다. 더 복잡한 조합 최적화 문제를 해결할 때 일반적으로 일부 기존 최적화 알고리즘보다 더 나은 최적화 결과를 더 빠르게 얻을 수 있습니다.
유전 알고리즘은 조합 최적화, 기계 학습, 신호 처리, 적응 제어, 인공 생명 등의 분야에서 널리 사용되어 왔습니다. 유전자 알고리즘의 기원은 1960년대 초반으로 거슬러 올라갑니다. 1967년 미시간 대학의 J. 홀랜드 교수의 제자인 배글리(Bagley)는 박사 논문에서 유전 알고리즘이라는 용어를 처음으로 제안했습니다.
게임에 유전 알고리즘을 적용하는 방안도 논의됐지만 초기 연구에서는 지도 이론과 계산 도구의 개발이 부족했다. 1975년 J. Holland 등은 유전자 알고리즘의 이론적 연구에 매우 중요한 패턴 이론을 제안하고, 기본 이론과 방법을 체계적으로 설명하는 논문 "Adaptation of Natural Systems and Artificial Systems"을 출판했습니다. 유전자 알고리즘의 개발을 촉진하고 유전자 알고리즘의 개발을 촉진했습니다.
1980년대 이후 유전자 알고리즘은 본격적인 발전기에 접어들며 자동제어, 생산계획, 영상처리, 로봇공학 등 연구 분야에서 널리 활용됐다. 유전 알고리즘은 문제 공간의 매개변수를 직접 처리할 수 없기 때문에 해결하려는 문제는 코딩을 통해 유전 공간의 염색체나 개체로 표현되어야 한다. 이 변환 작업을 인코딩 또는 (문제의) 표현이라고 합니다.