Das Evolutionäre Lernen ist ein Ansatz in der Forschung in der Künstlichen Intelligenz, in dem es darum geht, aus dem Prinzip der Evolution Schlüsse für die Lösung bestimmter Optimierungsprobleme zu finden. Konzepte wie „Survival of the fittest“ in Form von Anpassungsdruck und Eliminierung bestimmter Merkmale werden im Evolutionary Computing auf das Optimierungsproblem angewendet.

Evolutionäres Lernen findet dort Anwendung, wo zu viele Variablen einen Einfluss haben und traditionelle Algorithmen an ihre Grenzen geraten. Da es sich um eine stochastische Methode handelt, findet man mittels des Algorithmus nicht die beste Lösung, aber eine ausreichend gute.

Wie funktioniert Evolutionäres Lernen? 

Evolutionäre Algorithmen bestehen aus einer Initialisierung und einer Generationsschleife. Die Generationsschleife wird ausgeführt, bis ein definiertes Abbruchkriterium erreicht ist. Die Lösung der jeweiligen Optimierungsprobleme orientiert sich je nach Anwendung an natürlichen Vorbildern, wie beispielsweise der natürlichen Mutation oder dem Fortpflanzungserfolg. 

Anwendungsgebiete des evolutionären Lernens 

In der Suche von Anwendungsfällen sind die Möglichkeiten des Evolutionären nahezu grenzenlos. In der Wirtschaft werden sie beispielsweise bei der Optimierung von Prototypen eingesetzt. Auch die Finanzbranche nutzt die Algorithmen, um Aktienmärkte zu analysieren und zu simulieren, mit dem Ziel, den maximalen Gewinn bei einem möglichst geringen Risiko zu erzielen. Das produzierende Gewerbe profitiert auch vom Einsatz des evolutionären Lernens. Hier können beispielsweise Produktionsplanungsaufgaben optimiert werden.