Intelligenza artificiale/Algoritmi genetici: differenze tra le versioni

Contenuto cancellato Contenuto aggiunto
Ramac (discussione | contributi)
m fix
Riga 55:
Pertanto, il campo dei numeri reali costituisce ormai un'appropriata e consolidata forma di rappresentazione per gli algoritmi genetici in domini continui. Tuttavia, a causa di complessi fenomeni di interazione non lineare (epistaticità) tra gruppi di valori di una stringa rappresentante un individuo, non si può affermare con certezza che la combinazione di blocchi costitutivi altamente performanti sia sempre destinata a produrre individui ancora migliori. In altri termini, non sempre l'operazione genetica di crossover produce risultati accettabili, e anzi a volte accade che, a partire da due genitori estremamente promettenti, si ottenga un discendente decisamente meno valido.
 
==Programmazione Evolutiva==
==Calcolo evolutivo==
In questi casi, illa cosiddettocosiddetta calcoloprogrammazione evolutivoevolutiva, sviluppatosviluppata principalmente da David B. Fogel, anch'essoessa ispiratoispirata all'evoluzione naturale ma non alla genetica, può essere impiegatoimpiegata con successo nelle applicazioni. Tale metodologia differisce dagli algoritmi genetici in quanto non utilizza l'operazione genetica di crossover, che invece per essi risulta imprescindibile.
 
==Programmazione genetica==