Der kompakte genetische Algorithmus

Stellt den kompakten genetischen Algorithmus (cGA) vor, der die Population als Wahrscheinlichkeitsverteilung über die Menge der Lösungen darstellt und operationell dem Verhalten des einfachen GA erster Ordnung mit gleichmäßiger Crossover entspricht. Er verarbeitet jedes Gen unabhängig und benötigt weniger Speicher als das einfache GA. Die Entwicklung des kompakten GA wird durch ein angemessenes Verständnis der Rolle der Parameter und Operatoren des GA geleitet. Das Papier veranschaulicht deutlich die Zuordnung der Parameter des einfachen GA zu denen eines äquivalenten kompakten GA. Computersimulationen vergleichen beide Algorithmen hinsichtlich der Lösungsqualität und Geschwindigkeit. Schließlich wirft diese Arbeit wichtige Fragen zum Einsatz von Informationen in einem genetischen Algorithmus auf, und ihre Auswirkungen zeigen uns eine Richtung, die zur Gestaltung effizienterer GAs führen kann.