Usando um algoritmo genético para otimizar problemas com restrições de viabilidade

G.E. Liepins et al. (1990) mostraram que a otimização por algoritmo genético de certos problemas de otimização combinatória pode ser mais eficaz quando o algoritmo genético avalia versões "reparadas" dos cromossomos. Nesse sentido, "reparar" um cromossomo significa pegar um cromossomo ilegal e forçá-lo a ser legal através de alguma função de reparo, no entanto, Liepins não defende o retorno dessa versão "reparada" do cromossomo para a população. Outros pesquisadores também defendem "reparar" cromossomos ilegais, mas afirmam que retornar a versão "reparada" do cromossomo para a população "melhora as taxas de convergência e a qualidade da solução". Neste artigo, mostramos que uma combinação dessas estratégias apoia outra técnica de melhoria de desempenho, uma variedade de evolução Lamarckiana na qual, com uma pequena probabilidade, cromossomos originais são substituídos na população por seus correspondentes "reparados". Usando essa estratégia, substituindo cromossomos originais com uma probabilidade de 5%, em três problemas diferentes de otimização combinatória, o desempenho foi melhor do que nunca substituir ou sempre substituir.