Einfacher Pseudoalgorithmus für Genetische Algorithmen

Als erste Übersicht für einen simulierten Evolutionslauf mit Genetischen Algorithmen kann folgendes Ablaufschema dienen:

1. Definition und Initialisierung der für den Lauf benötigten Parameter
2. Initialisierung einer Ausgangspopulation mit zufällig entstandenen Individuen
3. Ausrechnen des Objective Score^3.4 aller Individuen innerhalb der Population und Skalierung desselben anhand des eingestellten Skalierungsschemas.
4. Selektion der Eltern für die Nachfolgegeneration anhand der im vorigen Schritt berechneten Fortpflanzungswahrscheinlichkeiten.
5. Für jedes in der Population zu ersetzende Individuum wird mit den in Schritt 4 ausgewählten Eltern ein Kind erzeugt.
6. Mit den neuen Individuen (Kindern) die Population ganz oder teilweise ersetzen und diese Population als Ausgangspopulation definieren.
7. Solange das Abbruchkriterium für den Genetischen Algorithmus nicht erfüllt wird, zurück zu Schritt 3.
8. Ausgabe der Endergebnisse.

Je nach Implementation der Genetischen Algorithmen können einzelne Schritte wegfallen oder etwas früher oder später ausgeführt werden. Andere, optionale Schritte können gegebenenfalls hinzukommen, dennoch kann der oben angegebene Algorithmus als gutes Verständnisfundament für die grundlegende Arbeitsweise der Genetischen Algorithmen dienen.