Les différence principale entre l'algorithme génétique et l'algorithme traditionnel est que l'algorithme génétique est un type d'algorithme basé sur le principe de la génétique et de la sélection naturelle pour résoudre des problèmes d'optimisation, tandis que l'algorithme traditionnel est une procédure étape par étape à suivre pour résoudre un problème donné.

Une procédure est une séquence finie d'instructions, où chacune peut être exécutée dans un laps de temps fini. Un algorithme est une procédure étape par étape pour résoudre un problème. Il existe un algorithme pour résoudre chaque tâche. Les algorithmes sont particulièrement utiles pour résoudre des problèmes complexes. Les algorithmes généraux sont également appelés algorithmes traditionnels. L'algorithme génétique est un type spécial d'algorithme qui est principalement utilisé dans des domaines tels que l'intelligence artificielle.

Algorithme, algorithme génétique, apprentissage automatique, recherche, tri, division et conquête, algorithme traditionnel

Qu'est-ce que l'algorithme génétique

L'algorithme génétique fait référence à un type d'algorithmes basés sur la génétique et la sélection naturelle. C'est similaire au processus des espèces qui peuvent s'adapter aux changements qui se produisent dans l'environnement et sont capables de survivre. En d'autres termes, il est basé sur l'évolution biologique.

De plus, cet algorithme modifie en permanence la population de solutions individuelles. À chaque étape, il choisit au hasard des individus de la population actuelle comme parents et crée des enfants pour la génération suivante. Passer de génération en génération aide à trouver la solution optimale.

L'algorithme générique utilise principalement trois types de règles à chaque étape pour créer la prochaine génération en utilisant la population actuelle.

Règles de sélection – Il choisit des individus (parents) qui contribuent à la population de la prochaine génération.

Règles de croisement – Il s'associe à deux parents pour générer un enfant pour la prochaine génération.

Règles de mutation – Il applique des modifications aux parents individuels pour créer des enfants.

L'algorithme génétique aide à trouver la solution optimale ou presque optimale à un problème. Il évite le temps habituel requis pour résoudre un problème particulier. De plus, il est principalement utilisé dans des domaines tels que la recherche et l'apprentissage automatique pour résoudre des problèmes d'optimisation.

Qu'est-ce que l'algorithme traditionnel

Les algorithmes traditionnels font référence aux algorithmes généraux que nous utilisons pour résoudre des problèmes. C'est une procédure méthodique pour résoudre un problème donné. Il peut y avoir plusieurs algorithmes pour résoudre un problème. Par conséquent, il est important d'analyser chacun et de trouver le temps, l'espace, etc. requis pour sélectionner le meilleur algorithme pour résoudre le problème.

Un algorithme traditionnel doit être clair. Il doit avoir 0 ou plus nombre d'entrées bien définies et 1 ou plusieurs sorties bien définies. Il doit également être capable de trouver des solutions avec les ressources disponibles. De plus, il devrait terminer la tâche après un nombre fini d'étapes.

Voici quelques algorithmes traditionnels courants.

Chercher – Ces algorithmes aident à rechercher un élément particulier dans une structure de données. (Recherche linéaire, Recherche binaire)

Sorte – Ces algorithmes permettent de trier un ensemble d'éléments dans un ordre spécifique. (Tri par bulle, Tri par sélection, Tri par insertion)

Diviser et conquérir – Il s'agit de diviser un gros problème en petits sous-problèmes et de résoudre les sous-problèmes afin de trouver la solution au problème d'origine.

Différence entre l'algorithme génétique et l'algorithme traditionnel

Définition

L'algorithme génétique est un algorithme permettant de résoudre des problèmes d'optimisation à la fois avec et sans contrainte basés sur la génétique et la sélection naturelle, tandis que l'algorithme traditionnel est une spécification sans ambiguïté qui définit comment résoudre un problème. C'est donc la principale différence entre l'algorithme génétique et l'algorithme traditionnel.

Usage

L'utilisation spécifique de chaque algorithme est une différence importante entre l'algorithme génétique et l'algorithme traditionnel. C'est-à-dire; l'algorithme génétique aide à trouver les solutions optimales pour des problèmes difficiles tandis que l'algorithme traditionnel fournit une procédure méthodique étape par étape pour résoudre un problème.

Complexité

Une autre différence entre l'algorithme génétique et l'algorithme traditionnel est qu'un algorithme génétique est plus avancé qu'un algorithme traditionnel.

Applications

L'algorithme génétique est utilisé dans des domaines tels que la recherche, l'apprentissage automatique et l'intelligence artificielle. L'algorithme traditionnel est utilisé dans des domaines tels que la programmation, les mathématiques, etc. C'est donc également une différence importante entre l'algorithme génétique et l'algorithme traditionnel.

Conclusion

En plus des algorithmes traditionnels, il existe un type spécial d'algorithmes appelés algorithmes génétiques. le différence principale entre l'algorithme génétique et l'algorithme traditionnel est que l'algorithme génétique est un type d'algorithme basé sur le principe de la génétique et de la sélection naturelle pour résoudre des problèmes d'optimisation, tandis que l'algorithme traditionnel est une procédure étape par étape à suivre, afin de résoudre un problème. problème donné. Les algorithmes de recherche, de tri, etc. sont des algorithmes traditionnels tandis que les algorithmes génétiques sont plus complexes et utilisés dans des domaines tels que l'intelligence artificielle et la recherche.

Référence:

1. « Sélectionnez un site Web ». Qu'est-ce que l'algorithme génétique? – MATLAB & Simulink, Disponible ici.2. "Algorithme." Wikipédia, Wikimedia Foundation, 18 mars 2019, disponible ici.

Image de courtoisie:

1. «Organigramme d'Euclide» de Somepics - Travail personnel (CC BY-SA 4.0) via Commons Wikimedia