Введение. 
Эволюционный алгоритм с автоматическим выбором генетических операторов

Генетические алгоритмы применяются при решении сложных задач оптимизации (безусловная и условная однои многокритериальная оптимизация многоэкстремальных алгоритмически заданных функций многих разношкальных переменных, задачи нестационарной оптимизации и т. д.). Генетические алгоритмы обладают некоторыми свойствами (универсальность, отсутствие необходимости в априорной информации о конкретной задаче, адаптивность, эффективный глобальный и локальный поиск, малая доля использования поискового пространства и т. д.), благодаря которым они применяются при решении задач, с которыми стандартные методы оптимизации или метод полного перебора не справляются. Многие системы оптимизации основаны на генетических алгоритмах [Бугаев, 2007]. Недостатком эволюционных алгоритмов является требование тщательного выбора настроек для каждой решаемой задачи с целью получения оптимального решения за приемлемое время. Если для тестовых задач возможен полный перебор всех настроек ГА, то для многих реальных задач такой подход является недопустимым. Целевая функция в реальных задачах может вычисляться по сложному алгоритму и требовать значительного времени на проработку (например, поиск пути роботом в лабиринте или эксперимент на реальном объекте). В связи с этим, представляется актуальным решение проблемы уменьшения количества настраиваемых параметров. Это обеспечит эффективное использование генетического алгоритма пользователями, не являющимися специалистами в эволюционной оптимизации, а также сократит материальные и временные затраты.