Введение. 
Генетический алгоритм с оценкой временных рядов

В настоящее время в решении плохо формализуемых задач широкое применение получили методы мягких вычислений. И среди них — генетические алгоритмы (ГА). Однако при использовании в оптимизационных задачах стандартный ГА подвержен попаданиям в локальные оптимумы, что значительно увеличивает требуемое на поиск решения время. Для решения этой проблемы наиболее распространенной методикой является разделение пространства решения на параллельно существующие под-популяции, что позволяет при небольших затратах на модификацию стандартного алгоритма на большинстве задач решить проблему попадания поискового алгоритма в локальные оптимумы. Другой подход заключается в использовании дополнительного блока управления алгоритмом.

Описанные выше методики повышают способность ГА к этапу поиска области оптимума. С другой стороны, поисковые способности алгоритма на этапе отыскания точного значения оптимума в пространстве решения снижаются. Разделение этапов во времени соответствует известному соотношению Парето 20/80 (первый и второй этапы соответственно). В теории ГА это соотношение известно как правило Рехенберга.