Funktioneller Ablauf

Der Lauf ist in mehrere Ebenen unterteilt, welche von unten nach oben eine abnehmende Zahl von Populationen aufweisen. Jede Population ist von allen anderen Populationen derselben Ebene komplett abgetrennt und autark. Es existieren also - in dieser Basiskonfiguration - keine Migrationsbewegungen innerhalb der Populationen einer Ebene. Bei Wanderungen in eine höhere Ebene jedoch treffen Individuen aus verschiedenen Populationen zusammen.

Abbildung: Beispiel eines pyramidalen GA mit 3 Ebenen. Je 5 Populationen der ersten Ebene geben ihre besten Individuen an eine der zehn Populationen der zweiten Ebene. Diese wiederum geben ihre besten Individuen an die Population der dritten Ebene.

Formal: Es existiert eine Pyramide $PP$ mit $n_e$ Ebenen $\{ E_1, E_2, \ldots, E_{n_e}\}$. Jede Ebene $E_i$ enthält $n_p$ initialisierte, d.h. mit zufällig generierten Individuen gefüllte, Populationen. Es gilt fernerhin $n_p(E_i) \ge n_p(E_{i+1})$.

Zu Beginn wird durch $i=1$ die Ebene $E_1$ als aktuelle Ebene deklariert. Für die aktuelle Ebene $E_i$ werden alle $n_p(E_i)$ Populationen einem Evolutionsprozess durch den Lauf eines GAen unterzogen. Sind alle Läufe beendet, emigriert aus jeder Population $P_j \in E_i$ eine festgelegte Anzahl $n_m$ an besten Individuen in die Populationen der darüberliegenden Ebene $E_{i+1}$. Jedes emigrierende Individuum $I(P(E_i))$ emigriert jedoch in genau eine Population $P(E_{i+1})$ und ersetzt dort ein beliebiges anderes Individuum, welches nicht vorher immigriert ist. Dann wird durch $i=i+1$ die obere Ebene zur aktuellen Ebene und der Algorithmus arbeitet diese ab. Der Algorithmus endet in der obersten Ebene: das Ergebnis des gesamten Laufes wird durch das beste Individuum der letzten Ebene repräsentiert.