ИИ, генетические алгоритмы и практическое применение

Знакомился на курсе искусственного интеллекта в ВУЗе. Поначалу думал, прикольная штука — даже пытался моделировать эволюцию — писал простенькие программки. Потом понял что эта тема — на самом деле один из методов оптимизации. Есть целевая функция, и входные параметры, которые на каждой итерации меняются по «генетическим» законам за счёт скрещивания и мутаций.
Сейчас не очень близкая знакомая, слышал, пишет диплом по криптографии с использованием генетических алгоритмов — результата пока правда я не видел.
Если получится что-нибудь интересное — на забудьте написать статью на Хабр ;)

Как тут было уже замечено, генетические алгоритмы всего лишь частный случай решения задачи оптимизации. ГА — достаточно простой метод численного подбора оптимальных решений, но зачастую не самый эффективный. Почитайте еще про градиентный спуск (gradient descent) и отжиг (simulated annealing).

Одно время применял ГА в своем диссере, но потом отказался в пользу аналитических решений.

Применяли для:
1. Решения хитрой версии задачи коммивояжера.
2. Оптимизации расписаний.
3. Подбора оптимальных параметров на основе мат. моделей для некоторых хитрых процессов.

Имитация жизни живых существ — это другое.

Ими можно искать приближенные решения всяких NP-hard и NP-complete проблем.

подходит для достаточно узкого класса проблем.
Можете глянуть на NEAT.