Evolutionäre Algorithmen: Genetische Algorithmen — Strategien und Optimierungsverfahren — Beispielanwendungen

Front Cover
Springer-Verlag, Apr 17, 2013 - Mathematics - 252 pages
0 Reviews
Evolutionäre Algorithmen bilden eine Klasse sehr universeller Werkzeuge zur Lösung von Optimierungsproblemen. Mit diesem Buch lernen Sie alles Wesentliche über dieses spannende Gebiet - ausgehend von den Grundlagen bis hin in die Anwendung. Es geht um Techniken wie genetische Algorithmen, Evolutionsstrategien und genetische Programmierung. Gewinnen Sie ein klares Verständnis der zugrunde liegenden strategischen Arbeitsweise der einzelnen Algorithmen. Dies schafft die Voraussetzung für den effizienten Einsatz der Optimierungsverfahren in der Praxis.
 

What people are saying - Write a review

We haven't found any reviews in the usual places.

Contents

Einleitung l
1
Optimierungsverfahren
15
Genetische Algorithmen und Optimierung
33
Theoretischer Hintergrund
47
Problemangepasste Operatoren und Verfahren
63
Klassifizierung evolutionärer Algorithmen
115
Testumgebungen
163
FuzzySysteme
179
Kombinationen evolutionärer Algorithmen mit FuzzySystemen
194
Biologische Evolution und evolutionäre Algorithmen
217
N PVollständigkeit
227
Index
249
Copyright

Other editions - View all

Common terms and phrases

Abbildung Adaption Allel angewendet Ansatz Anwendung Anzahl ausgewählt beiden Beispiel beispielsweise berechnet Berechnung Bereich beste Chromosom besteht Bewertung bezeichnet binären Binärkodierung biologischen Evolution Chro Chromosomen Classifier Cluster Crossover Crossover-Operatoren definierende Länge definiert Definition direkt durchgeführt Elternchromosomen entsprechend entwickelt ersten erzeugt evolutionären Algorithmen Evolutionsstrategien Fall festgelegt fit(c Fitness Fitnessfunktion Fitnesswerte folgenden Form Funktion Fuzzy-Mengen Fuzzy-Regler Fuzzy-Systemen Gene Generation genetischen Algorithmus genetischen Operatoren genetischen Programmierung GENOCOP gewählt gibt Gleichung globale Gradientenverfahren groß Hammingdistanz handelt häufig Hillclimbing jeweils Kodierung Konklusionsteil korrekte Lebewesen Liste lokales Optimum Menge möglichst mosomen muss Mutation Mutationsschrittweite Nebenbedingungen neue Chromosom nm eN pm nm nm NP-vollständig Null optimalen optimierenden Parametern Optimierungsprobleme Pheromone popsize Population Populationsgröße Problem Probleme reellen Regel Regelbasis Regler Rekombination Rundreise Schema Schemata Schritt Selektion siehe Abschnitt soll sollte Startpopulation Stellwert Strategien Struktur Suchraum Terminalsymbole Testfälle Two-Point-Crossover üblicherweise unterschiedliche Variablen Verfahren verschiedene verwendet Verwendung vorgestellt vorzeitigen Konvergenz Wahrscheinlichkeit Wert wobei Zielfunktion zufällig Zugehörigkeitsgrade zusätzlich zwei

Popular passages

Page 237 - JH Holland, KJ Holyoak, RE Nisbett, and PR Thagard. Induction: Processes of Inference, Learning, and Discovery. MIT Press, Cambridge, MA, 1986.
Page 235 - DE Goldberg and K. Deb. A comparative analysis of selection schemes used in genetic algorithms. In GJE Rawlins, editor, Foundations of Genetic Algorithms, pages 69-93. Morgan Kaufmann, 1991.
Page 248 - LA Zadeh, Fuzzy logic = computing with words, IEEE Trans, on Fuzzy Systems, 4, 1996, 103-111. LA Zadeh, Toward a theory of fuzzy information granulation and its centrality in human reasoning and fuzzy logic, Fuzzy Sets and Systems, 90, 1997, 111-117.
Page 238 - JHHolland, Adaptation in Natural and Artificial Systems, University of Michigan Press, Ann Arbor, Michigan (1975).
Page 1 - Mit der zunehmenden Leistungsfähigkeit von Rechnern hat in den letzten Dekaden eine Entwicklung begonnen, die einen alternativen Weg einschlägt.
Page v - Aus diesem Grund haben wir uns auch dazu entschlossen, in diesem Buch...

About the author (2013)

Ingrid Gerdes, Deutsches Zentrum für Luft- und Raumfahrt, Braunschweig, entwickelt evolutionäre Algorithmen zur Optimierung von Flugrouten. Prof. Dr. Frank Klawonn ist an der FH Braunschweig (Bereich Data Mining, Fuzzy-Systeme, neuronale Netze und evolutionäre Algorithmen) tätig. Prof. Dr. Rudolf Kruse ist Leiter des Lehrstuhls für Neuro-Fuzzy-Systeme an der Universität Magdeburg.

Bibliographic information