Một điều quan trọng cho chúng ta là làm rõ những mục tiêu của chương này. Chúng ta sẽ không đi sâu vào khoa học di truyền và tiến hóa như nó đang xảy ra trong thế giới thật. Chúng ta sẽ không tạo ra bảng Punnet (Punnett squares) và sẽ không có sự thảo luận nào tới nucleotides, tổng hợp protein (protein synthesis), RNA, và những chủ đề khác có liên quan tới tiến trình sinh học thực tế của sự tiến hóa. Thay vào đó, chúng ta sẽ nhìn vào những nguyên tắc căn bản (core principles) đứng đằng sau lý thuyết tiến hóa của Darwin (Darwinian evolutionary theory) và phát triển các mô hình giải thuật được lấy cảm hứng từ các nguyên tắc cơ bản này. Chúng ta không quan tâm tới một sự mô phỏng chính xác cho sự tiến hóa; thay vào đó; chúng ta quan tâm đến các phương pháp để áp dụng các chiến lược mang tính tiến hóa (evolutionary strategies) trong phần mềm.

Điều này không có ý rằng một project với một chiều sâu khoa học hơn thì không có giá trị, và tác giả khuyến khích những người đọc quan tâm cụ thể tới chủ đề này (thuyết tiến hóa) khám phá các khả năng để mở rộng thêm những ví dụ của cuốn sách với những tính năng tiến hóa khác. Tuy nhiên, để cho mọi thứ được quản lý tốt, chúng ta sẽ vẫn chỉ tập trung vào những cái cơ bản, những cái cơ bản này thực ra cũng đã khá là phức tạp và thú vị.

Thuật ngữ “giải thuật di truyền” là nói tới một giải thuật riêng biệt được thực thi theo một cách riêng biệt để giải quyết những vấn đề mang tính chất riêng biệt. Mặc dù giải thuật di truyền chính thống sẽ phục vụ như là nền tảng cho các ví dụ mà chúng ta tạo ra trong chương này, chúng ta không lo lắng về việc thực thi giải thuật với một sự chính xác hoàn hảo, mà chúng ta chỉ tìm kiếm những cách sử dụng sáng tạo cho lý thuyết tiến hóa trong chương trình của chúng ta. Chương này sẽ chia thành 3 phần (phần lớn thời gian sẽ tập trung ở phần đầu tiên).

Giải thuật di truyền truyền thống

Chúng ta sẽ bắt đầu với giải thuật di truyền truyền thống trong khoa học máy tính. Giải thuật này được phát triển để giải quyết các vấn đề trong đó không gian giải pháp rộng lớn đến mức một giải thuật "bạo lực" sẽ mất rất nhiều thời gian. Đây là một ví dụ như vậy: Tôi đang nghĩ về một số tự nhiên. Số này nằm từ 1 cho tới 1,000,000,000. Cần phải mất bao lâu để bạn đoán được số mà tôi đang nghĩ. Giải quyết vấn đề với một giải pháp “bạo lực” có nghĩa là sử dụng phương pháp kiểm tra mọi phương án. Một phải không? Hai phải không? Ba phải không? Và cứ tiếp tục như thế. Mặc dù may mắn cũng là một yếu tố ở đây, nhưng với phương pháp bạo lực - chúng ta phải kiên nhẫn chờ nhiều năm để bạn có thể đếm tới một tỉ. Tuy nhiên, sẽ như thế nào nếu tôi có thể nói với bạn rằng câu trả lời đó là tốt hay xấu. Gần đúng hay rất sai? Rất rất gần đáp án? Rất rất không chính xác? Nếu bạn có thể định tính được câu trả lời của mình “phù hợp” ở mức nào, bạn có thể chọn những con số khác gần hơn với đáp án và có thể đi đến câu trả lời nhanh hơn. Câu trả lời của bạn có thể cải thiện.

Lựa chọn tương tác (Interactive Selection)

Một khi chúng ta thiết lập được giải thuật truyền thống, chúng ta sẽ nhìn vào các ứng dụng của giải thuật di truyền sử dụng nghệ thuật trực quan. Lựa chọn tương tác đề cập đến việc phát triển một cái gì đó (thường là một hình ảnh được tạo ra bởi máy tính) thông qua tương tác người dùng. Giả sử bạn bước vào một bảo tàng tranh và nhìn thấy 10 bức tranh. Với lựa chọn tương tác, bạn sẽ chọn những bức họa mà mình yêu thích và cho phép giải thuật xử lý để tạo ra (hoặc phát triển) các bức tranh mới dựa trên sở thích của bạn.