La optimización genética es el uso de algoritmos de programación para encontrar la mejor solución a un problema. Esto tiene su origen en el trabajo de los matemáticos que comenzaron ya en la década de 1950, quienes tomaron modelos que vieron en biología y los aplicaron a problemas no lineales que eran difíciles de resolver por medios convencionales. La idea es imitar la biología, que evoluciona a lo largo de generaciones para crear la población más apta posible. En programación, es posible simular este proceso para encontrar una solución creativa a un problema.
Los problemas no lineales pueden ser un desafío para los matemáticos. Un ejemplo puede verse en el comercio de valores, donde puede haber una serie de posibles decisiones que se ramifican rápidamente para crear un árbol de opciones. Calcular de forma independiente las probabilidades asociadas con cada elección llevaría mucho tiempo. El matemático también podría perder una solución óptima al no combinar las posibles opciones para explorar nuevas permutaciones. La optimización genética permite a los investigadores realizar cálculos de esta naturaleza de una manera más eficiente.
El investigador comienza con un tema de interés, conocido como “población”, que puede dividirse en individuos, a veces conocidos como criaturas, organismos o cromosomas. Estos términos, tomados de la biología, reflejan los orígenes de este enfoque de programación. Una computadora puede comenzar a ejecutar una simulación con la población, seleccionando organismos individuales dentro de una generación y permitiéndoles entremezclarse para crear una nueva generación. Este proceso se puede repetir a lo largo de varias generaciones para combinar y recombinar posibles soluciones, llegando idealmente a la opción más adecuada para las condiciones dadas.
Esto puede suponer una gran cantidad de recursos. Los cálculos utilizados en la optimización genética requieren una potencia informática significativa para comparar y seleccionar rápidamente una serie de opciones y combinaciones simultáneamente. Las primeras investigaciones sobre la optimización genética a veces estaban limitadas por la potencia de procesamiento disponible, ya que los investigadores podían ver las aplicaciones potenciales, pero no podían ejecutar programas complejos. A medida que aumenta la potencia de la computadora, la utilidad de este método también lo hace, aunque los cálculos grandes y complejos pueden requerir una computadora altamente especializada.
Los investigadores en el campo de las matemáticas pueden trabajar con la optimización genética en una variedad de entornos. El desarrollo continuo de nuevas fórmulas y enfoques ilustra la evolución de las matemáticas a medida que las personas aprenden nuevas formas de considerar problemas complejos. Se puede ver alguna optimización genética simple en funcionamiento en entornos como software para comerciantes de valores y programación para juegos y realidad virtual donde los programadores quieren que los usuarios tengan una experiencia más natural.