Genetic Algorithms - Implementation of Multiprocessing

Genetické algoritmy sú moderné algoritmy určené na riešenie optimalizačných problémov. Vznikli inšpiráciou z evolučných procesov v prírode. Ich paralelizáciou sa dosiahne nielen vyšších rýchlostí, ale aj nových a lepších riešení. Paralelné genetické algoritmy sú taktiež bližšie k skutočným pomerom v prírode ako ich sekvenčné náprotivky. Táto práca popisuje najpoužívanejšie spôsoby paralelizácie genetických algoritmov. Následne ponúka návrh a implementáciu v jazyku Python. Nakoniec je implementácia overená vo viacerých testovacích scenároch.Genetic algorithms are modern algorithms intended to solve optimization problems. Inspiration originates in evolutionary principles in nature. Parallelization of genetic algorithms provides not only faster processing but also new and better solutions. Parallel genetic algorithms are also closer to real nature than their sequential counterparts. This paper describes the most used models of parallelization of genetic algorithms. Moreover, it provides the design and implementation in programming language Python. Finally, the implementation is verified in several test cases.