Testumgebung zur Beurteilung der Leistungsfähigkeit evolutionärer AlgorithmenStudienarbeit aus dem Jahr 2005 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,7, Martin-Luther-Universität Halle-Wittenberg, Veranstaltung: Operations Research, 4 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Seit Beginn der 1990¿er Jahre haben Evolutionäre Algorithmen als universell anwendbare Verbesserungs- und Optimierungsstrategien eine weite Verbreitung in allen Bereichen von Wirtschaft und Forschung gefunden. Ihr großer Erfolg liegt u.a. in der Tatsache begründet, dass ihre Anwendung auf einem scheinbar einfachen und leicht nachvollziehbarem Prinzip, dem Darwinschen Evolutionsparadigma, oder etwas zugespitzt ausgedrückt, dem "survival of the fittest" basiert: Durch die Anwendung von Variation und Selektion auf eine Population von Lösungsalternativen werden nach dem Muster der Natur schrittweise bessere Lösungen gefunden und auf diese Weise Optima bestimmt - oder zumindest approximiert. |
Contents
| 4 | |
Testumgebung Evolutionärer Algorithmen | 8 |
Problematik praktischer Leistungsvergleiche | 20 |
Fazit | 24 |
Other editions - View all
Testumgebung zur Beurteilung der Leistungsfähigkeit evolutionärer Algorithmen Ronny Ibe Limited preview - 2007 |
Common terms and phrases
ähnlich Algorithmus Allgemeinen andererseits Anwendbarkeit Anwendung Anzahl Aufgabe Aufgabenstellung aufgrund Ausgangsproblem Außerdem Auswahl bekannt Bereich besser besteht besten bestimmte Beurteilung bezeichnet Boshafte Schwefel-Funktion Computerprogrammen durchgeführt Ebenda Eigenschaften einerseits einfach Einsatz Entwicklung Ergebnisse erzielt Evolutionäre Algorithmen Evolutionsstrategien Evolutionstheorie Fallen finden Fitness folgenden Form Funktion Funktionswert geeignet gefunden gegeben gegenüber Gene Genetische Algorithmen Genetische Programmierung GerKlaKru Gestaltung gewählt gleichen globale Griewangk-Funktion GRIN Größe gute häufig Heuristik heute Hohe Individuum jeweils kombinatorischen Konkurrenzverfahren lassen Leistungsfähigkeit Leistungsvergleiche lokale Minima lösen Lösung macht meisten Menge multimodal muss Mutation Natur neue notwendigen optimale Optimierung Optimierungsprobleme Optimum Parameter Population praktischen Problem Probleme Problemstellung quadratisch Rastrigin-Funktion repräsentieren Rochen Rosenbrock-Funktion SchöHeiFed Schwefel Schwierigkeit Shekels Fuchsbauten sollte sowie spezielle Städten stark Stärken und Schwächen Startpopulation stetig stochastisch Störung Suche Tatsache Terminologie Testfunktionen Tests Testumgebung Travelling Salesman Problem Treppenfunktion unimodal unterschiedliche Variante Verfahren Vergleich verschiedene versucht Verteilung Verwendung viele viele Optimierungsverfahren Vielzahl weitere weniger Werte wieder
Popular passages
Page 4 - Mit der zunehmenden Leistungsfähigkeit von Rechnern hat in den letzten Dekaden eine Entwicklung begonnen, die zu den drei heutigen Hauptströmungen Evolutionärer Algorithmen führte.
Page 8 - Generell lassen sich die notwendigen Tests in verschiedene Klassen einteilen: 1. Test mit bis auf die Parametereinstellungen identischen Algorithmen (Parameteradaption).
Page 8 - Konfidenzintervall zu bestimmen, dass das entsprechende Intervall um den Mittelwert mit genügend hoher Wahrscheinlichkeit (95% oder mehr) überdeckt.
Page 8 - Parameter, wie Populationsgröße, Mutations- und Crossoverraten stark mit der untersuchten Aufgabenstellung variieren können.1 Die Anzahl der zu verwendenden Testfunktionen ergibt sich dann, wenn der Algorithmus auf eine spezielle Aufgabenstellung ausgerichtet wurde.