Tema: Informática, Computação Natural

Os algoritmos genéticos são parte da Computação Evolutiva, também denominada de Computação Natural. São baseados em mecanismos semelhantes aos processos evolutivos da natureza; precisamente, inspirados em modelos de cunho biológicos, na genética de Mendel (1865) e na teoria da evolução das espécies de Darwin (1859).
A observação contínua da natureza por parte do ser humano, possibilitou estabelecer padrões do comportamento dos fenômenos físicos e biológicos que nos cercam, obtendo explicações racionais para os questionamentos. A natureza pode sim servir como importante fonte de inspiração para desenvolvermos algoritmos e ferramentas que ensejam resolverem problemas complexos. As Redes Neurais Artificiais, são baseadas explicitamente no funcionamento do cérebro humano, e são utilizadas largamente na resolução de problemas que envolvam a Inteligência Artificial. A Computação Natural está atualmente na fronteira do conhecimento humano, uma tendência para o futuro, é uma área multidisciplinar, pois está baseada na ciência da computação, engenharia e  biologia.
Os conceitos utilizados nos algoritmos genéticos, têm a sua fundamentação teórica nas ciências biológicas. O processamento deste tipo de algoritmo, dá-se por meio de cruzamentos inspirados na genética e os seus desdobramentos.
O conceito de gene no campo de algoritmos genéticos, constitui uma representação de algum dado ou mesmo parâmetros, e segue as letras do alfabeto, fazendo uso de valores numerais inteiros, cadeias de caracteres, porém normalmente utiliza-se os números zero (0) e um (1), binários. Os cromossomos, tangem a uma cadeia de genes, constituindo cada indivíduo de uma determinada população. Normalmente os cromossomos utilizam genes que possuem valores binários, como por exemplo: cromossomo Y = {00111101}. É importante destacar que nas representações binárias, quanto maior for o número de bits usados na representação de um cromossomo, maior também será a precisão; porém cromossomos com grande número de bits na sua representação binária, tornam-se complicados de serem manipulados.
Indivíduos, na concepção dos algoritmos genéticos, correspondem a um cromossomo. Utiliza-os para representar possíveis soluções propostas para um problema em questão. A população diz respeito a um conjunto de indivíduos que iram competir entre si, intuindo buscar a sobrevivência e consequentemente a reprodução, onde após poderá perpetuar as suas características. A geração, concerne a uma população em determinada temporalidade, sendo os valores dos indivíduos em uma determinada interação. A função de aptidão, enseja ser uma métrica, onde avalizará se o indivíduo tem competência para sobrevier e reproduzir-se. Representa-as por funções matemáticas.
Os algoritmos genéticos têm particularidades que não se aplicam aos demais algoritmos convencionais. Eles trabalham com codificações que representam conjuntos de parâmetros já definidos, e não com os próprios parâmetros. Os objeto de manipulação do algoritmo genético é uma população e não valores, como em ferramentas convencionais.
Emprega-se algoritmos genéticos em técnicas de busca heurísticas, consistindo basicamente em, a partir da definição de uma população atual (problema ou status atual), busca-se um novo estado (objetivo, resolução, nova geração), que indubitavelmente deverá estar próxima da solução do problema em questão.

(Fonte: Inteligência Artificial – Teoria e Prática: A. O. Artero/ Computação Natural – Uma Jornada Ilustrada: L. N. de Castro)