Algorytm genetyczny: Aby w ogóle rozmawiać o krzyżowaniu w algorytmach genetycznych, musimy najpierw wiedzieć czym właściwie jest sam algorytm genetyczny. Jak jest zbudowany, jak działa i – co ważniejsze – w jakim celu został stworzony. Algorytm genetyczny jest rodzajem algorytmu przeszukującego przestrzeń alternatywnych rozwiązań zadanego problemu w celu znalezienia rozwiązania optymalnego. Działanie takiego algorytmu przypomina ewolucję biologiczną. Problem definiuje środowisko, w którym istnieje pewna grupa osobników. Każdy z osobników ma przypisany pewien zbiór danych stanowiących jego genotyp będący podstawą do utworzenia tzw. fenotypu. Fenotyp to zbiór cech podlegających ocenie funkcji przystosowania modelującej środowisko. Inaczej mówiąc genotyp opisuje proponowane rozwiązanie problemu, a funkcja przystosowania ocenia, jak dobre jest to rozwiązanie. Genotyp składa się z chromosomów, gdzie zakodowany jest fenotyp i ewentualnie pewne informacje pomocnicze dla algorytmu genetycznego. Chromosom natomiast składa się z genów. Wspólnymi cechami algorytmów ewolucyjnych, odróżniającymi je od innych, tradycyjnych metod optymalizacji, są: 1.stosowanie operatorów genetycznych, które dostosowane są do postaci rozwiązań, 2.przetwarzanie populacji rozwiązań, prowadzące do równoległego przeszukiwania przestrzeni rozwiązań z różnych punktów, 3.do celu nakierowania procesu przeszukiwania wystarcza jakość aktualnych rozwiązań, 4.celowe wprowadzenie elementów losowych. Kodowanie jest bardzo istotnym etapem projektowania algorytmu. Sposób zakodowania w chromosomie informacji o proponowanym rozwiązaniu wpływa na szybkość i jakość wyników. Przyczyną takiego zjawiska jest wpływ kodowania na sposób w jaki przeszukiwana jest przestrzeń rozwiązań. Złe kodowanie może spowodować, że nigdy nie zostanie przeszukany fragment przestrzeni, w którym znajdują się najlepsze rozwiązania. Najczęściej stosowane kodowania chromosomu: •wektorem genów, z których każdy z nich może być jedno- lub wielo-bitową liczbą całkowitą, bądź też rzeczywistą. •za pomocą drzewiastych struktur danych Funkcja oceny to miara jakości osobnika (rozwiązania) w populacji. Dla każdego osobnika jest ona obliczana na podstawie pewnego modelu rozwiązywanego problemu. Załóżmy dla przykładu, że chcemy zaprojektować obwód elektryczny o pewnej charakterystyce. Funkcja oceny będzie wyszukiwała rozwiązania najbardziej zbliżone do danej charakterystyki, zbudowane z najmniejszej liczby elementów. W procesie selekcji wybierane będą najlepsze osobniki. Staną się one "rodzicami" dla nowej populacji....