-
Первые работы по симуляции эволюции
Первые работы по симуляции эволюции были проведены в 1954 году Нильсом Баричелли на компьютере, установленном в Институте перспективных исследований Принстонского университета. Его работа, опубликованная в том же году, привлекла широкое внимание общественности. -
Публикация работ по симуляции искусственного отбора среди организмов с множественным контролем измеримых характеристик.
С 1957 года, австралийский генетик Алекс Фразер опубликовал серию работ по симуляции искусственного отбора среди организмов с множественным контролем измеримых характеристик. Положенное начало позволило компьютерной симуляции эволюционных процессов и методам, описанным в книгах Фразера и Барнелла(1970) и Кросби (1973, с 1960-х годов стать более распространенным видом деятельности среди биологов. Симуляции Фразера включали все важнейшие элементы современных генетических алгоритмов. -
Публикация серии работ, которые также принимали подход использования популяции решений, подвергаемой рекомбинации, мутации и отбору, в проблемах оптимизации.
Ганс-Иоахим Бремерманн в 1960-х опубликовал серию работ, которые также принимали подход использования популяции решений, подвергаемой рекомбинации, мутации и отбору, в проблемах оптимизации. Исследования Бремерманна также включали элементы современных генетических алгоритмов.Среди прочих пионеров следует отметить Ричарда Фридберга, Джорджа Фридмана и Майкла Конрада. Множество ранних работ были переизданы Давидом Б. Фогелем (1998) -
Искусственная эволюция стала общепризнанным методом оптимизации.
Хотя Баричелли в своей работе 1963 года симулировал способности машины играть в простую игру, искусственная эволюция стала общепризнанным методом оптимизации после работы Инго Рехенберга и Ханса-Пауля Швефеля в 1960-х и начале 1970-х годов двадцатого века — группа Рехенберга смогла решить сложные инженерные проблемы согласно стратегиям эволюции. -
Приобретение популярности генетических алгоритмов
Генетические алгоритмы стали особенно популярны благодаря работе Джона Холланда в начале 70-х годов и его книге «Адаптация в естественных и искусственных системах» (1975). Его исследование основывалось на экспериментах с клеточными автоматами, проводившимися Холландом и на его трудах написанных в университете Мичигана. Холланд ввел формализованный подход для предсказывания качества следующего поколения, известный как Теорема схем. -
Первая международная конференция по генетическим алгоритмам в Питтсбурге, Пенсильвания (США).
Первая международная конференция, по генетическим алгоритмам в Питтсбурге, Пенсильвания (США) впервые состоялся в 1985 году и повторялся каждый второй год до 1997 года. -
Продажа первого в мире продукта, работавшего с использованием генетического алгоритма.
С ростом исследовательского интереса существенно выросла и вычислительная мощь настольных компьютеров, это позволило использовать новую вычислительную технику на практике. В конце 80-х, компания General Electric начала продажу первого в мире продукта, работавшего с использованием генетического алгоритма. Им стал набор промышленных вычислительных средств. -
Выпуск первого в мире коммерческого продукта на генетическом алгоритме для настольных компьютеров.
В 1989, другая компания Axcelis, Inc. выпустила Evolver — первый в мире коммерческий продукт на генетическом алгоритме для настольных компьютеров. -
Создание модели генетического алгоритма ( CHC).
CHC расшифровывается как Cross generational elitist selection, Heterogenous recombination, Cataclysmic mutation. Этот алгоритм был создан Eshelman (1991) -
Переиздание Давидом Б. Фогелем множество ранних работ
Давидом Б. Фогелем в 1998 году было переиздано множество работ по теме генетических алгоритмов. -
Стратегии отбора и формирования нового поколения.
"Правила раздачи слонов и пряников" или "Кто попадет в новое поколение, и кто будет участвовать в его создании". -
Тестовые функции.
Проверка алгоритма на прочность в разных задачах и возможность сравнения своих результатов с другими. -
Ученые Университета ИТМО получили приз на GECCO-2017 в Берлине за новый генетический алгоритм.
Максим Буздалов и Бенджамин Доерр представили на GECCO 2017 результаты своих исследований , в ходе которых им удалось определить, при каких условиях недавно предложенный генетический алгоритм (1+(λ, λ)) эффективно решает задачу о выполнимости (SAT), и математически это доказать . -
Реализация генетического алгоритма оптимизации на Rust.
В этой библиотеке реализован генетический алгоритм нахождения глобального минимума функции. Библиотека optlib не привязана к конкретному типу входных данных для оптимизируемой функции. Также библиотека построена таким образом, что при использовании генетического алгоритма можно легко менять алгоритмы скрещивания, мутации, отбора и другие этапы работы генетического алгоритма. По сути генетический алгоритм собирается как бы из кубиков.