Genom (evolutionärer Algorithmus)

Bei den evolutionären Algorithmen (EA) versteht man unter einem Genom entsprechend dem biologischen Vorbild die Menge aller Chromosome eines Individuums, das einer Lösung einer Aufgabenstellung entspricht, welche mit einem EA bearbeitet wird. Das Genom eines Individuums entspricht der genetischen Repräsentation einer Aufgabenstellung und ist damit ein Element des Suchraums. In diesem Zusammenhang versteht man unter einem Chromosom eine zusammenhängende Menge von Genen, wobei ein Gen aus einem oder mehreren semantisch zusammenhängenden Parametern besteht, die oft auch Entscheidungsvariable genannt werden. Sie bestimmen eine oder mehrere phänotypische Eigenschaften des Individuums oder haben zumindest einen Einfluss darauf.

Zur Bewertung des Individuums muss die in seinem Genom enthaltene Information, welche auch als Genotyp bezeichnet wird, auf seinen Phänotyp abgebildet werden, welcher ein Element des Problemraums darstellt, siehe auch Hauptartikel: Genetische Repräsentation.

Häufig basiert ein Individuum auf einem einzigen Chromosom, das z. B. aus einer Kette einheitlicher Gene besteht, wobei jedes Gen z. B. ein Bit oder eine ganze oder reelle Zahl darstellt. Es gibt aber durchaus auch evolutionäre Algorithmen, die zur Lösung spezieller Aufgaben Genome verwenden, welche pro Individuum aus mehreren Chromosomen bestehen.

1. ↑ Nicholas Baine: A simple multi-chromosome genetic algorithm optimization of a Proportional-plus-Derivative Fuzzy Logic Controller. In: NAFIPS 2008 - 2008 Annual Meeting of the North American Fuzzy Information Processing Society. Mai 2008, S. 1–5, doi:10.1109/NAFIPS.2008.4531273 (ieee.org [abgerufen am 17. Februar 2022]). 
2. ↑ Jin Peng, Zhang Shu Chu: A Hybrid Multi-chromosome Genetic Algorithm for the Cutting Stock Problem. In: 2010 3rd International Conference on Information Management, Innovation Management and Industrial Engineering. Band 1, November 2010, S. 508–511, doi:10.1109/ICIII.2010.128 (ieee.org [abgerufen am 17. Februar 2022]). 
3. ↑ Rachel Cavill, Steve Smith, Andy Tyrrell: Multi-chromosomal Genetic Programming. In: Proceedings of the 2005 Conference on Genetic and Evolutionary Computation - GECCO '05. ACM Press, Washington DC, USA 2005, ISBN 978-1-59593-010-1, S. 1753–1759, doi:10.1145/1068009.1068300 (acm.org [abgerufen am 17. Februar 2022]).