Algoritmos Genéticos (GA) es una Inteligencia Artificial (AI), con sede metodología. Otros llamaron la literatura como una variación de un algoritmo evolutivo. Se trata de un no-matemático, no determinista, por el contrario, un proceso estocástico o algoritmo para resolver problemas de optimización, de preferencia, con la participación de variables discretas y no-limitación función objetivo.

Optimización del uso de algoritmo genético puede ser aplicado en diversas campo como la ingeniería eléctrica. Yo uso algoritmo genético en mi tesis sobre la asignación óptima de fijo y conmutación de condensadores para la desequilibrada distribución alimentadores radiales.

Nota: Los siguientes debates son sólo ideas y formulaciones y no han demostrado aún. Todo el mundo está invitado a explorar y, mucho mejor, aplicar estas pensamiento

El sistema de ecuaciones
Sistema de ecuaciones son las funciones de al menos dos variables. Puede ser lineales o no lineales, y para obtener una solución, el sistema debe ser no singular y tienen un punto en el espacio en el que coincide.

En general, los sistemas de ecuaciones tienen la siguiente forma;

F1 (x1, x2, x3,…., Xn) = a1
F2 (x1, x2, x3,…., Xn) = a2
….
Fn (x1, x2, x3,…., Xn) = un

donde x son variables desconocidas, n es el número de variables desconocidas, y son constantes.

Formulación
La única información que se necesitan en el algoritmo genético son la función objetivo, y el plan de representación en una forma codificada de una cadena, que contiene información sobre las posibles soluciones. Evaluación de una posible solución se hizo después de cada serie de operaciones genéticas.

Por lo tanto, al mismo tiempo los sistemas de ecuaciones se puede resolver utilizando algoritmo genético si podemos expresado en una forma de función de un objetivo y una solución se dice que es correcto, si puede satisfacer todas las ecuaciones que participen dichas variables. Eso es todo;

F1 (x1, x2, x3,…., Xn) - a1 = 0
F2 (x1, x2, x3,…., Xn) - a2 = 0
….
Fn (x1, x2, x3,…., Xn) - = 0

o aproximadamente,

el
valor absoluto de (F1 (x1, x2, x3,…., xn) - a1), Y
valor absoluto de (F2 (x1, x2, x3,…., xn) - a2), Y
…
valor absoluto de (Fn (x1, x2, x3,…., xn) - uno)

todos deben ser como mínimo.

El último conjunto de ecuaciones (en negrita y cursiva) son en realidad la función objetivo que se necesita de Algoritmos Genéticos. Nota, que algoritmo genético no la salida exacta solución, pero muy cerca de la solución real.

Posible problema que podría ser encuentro
Algoritmos Genéticos se especializa en la optimización de soluciones discretas y no-limitación función objetivo. Evidentemente, la función objetivo que nos ha formado no es limitado, por lo que, no tenemos ningún problema con eso. Sin embargo, las variables desconocidas, que contendrá la posible solución no es discreta. De hecho, es continuo de positivo a negativo el infinito. Este dilema se causa un problema en el sistema de representación debido a la gran muestra infinitamente el espacio.