Заключение. 
Применение генетических алгоритмов для решения оптимизационных задач

Как и следовало ожидать, требования универсальности и эффективности генетического алгоритма оказываются взаимно противоречивыми. Применимость алгоритма к разнородным задачам без их предварительного изучения означает, что рассматриваемый универсальный алгоритм не должен учитывать особенности решаемых задач в своей работе. Кроме того, построение формальной модели в качестве необходимого этапа решения задачи также должно выполняться каким-либо стандартным способом, не зависящим от специфики задачи. Возможность эффективного использования универсальных генетических операторов не связана исключительно со свойствами самих операторов, поскольку при некоторых способах кодирования решений генетический алгоритм вырождается в случайный поиск. Следовательно, применение кроссинговера для обмена информацией выдвигает специфические требования к целевой функции и способу записи решений.

Таким образом, если мы хотим сделать генетический алгоритм эффективнее случайного поиска, следует отказаться от универсальных подходов на всех этапах. Специальные методы, использующие знания о задаче, требуют в каждом случае анализа содержания решаемой проблемы. Внесение «поправок» в генетический алгоритм, улучшающих его работу, неизбежно делает его полностью приспособленным к конкретной задаче.