Description
Evolutionre Algorithmen als Optimierungsverfahren bieten vielfltige Anwendungsmglichkeiten fr ingenieurtechnische Lsungen industrieller Aufgaben. Dieses Buch dient in seiner Aufbereitung als praxisnahes Nachschlagewerk. In anwendungsorientierter Art und Weise werden, von einer einfachen Struktur Evolutionrer Algorithmen ausgehend, grundlegende Bestandteile, Verfahren, Operatoren und Erweiterungen beschrieben und in ihren Anwendungsmglich- keiten analysiert. Durch die ausfhrliche Darstellung mehrerer ausgewhlter Praxisbeispiele wird ein Einblick in die Anwendung Evolutionrer Algorithmen gegeben. Fr den Einsatz in der Praxis ist dies von unschtzbarem Wert. Die dem Buch beiliegende Toolbox fr Matlab bietet einen guten Einstieg in die Arbeit mit Evolutionren Algorithmen und kann sofort fr die Lsung eigener Praxisprobleme genutzt werden. Der Benutzer erhlt neben dem notwendigen Grundwissen ein wertvolles Arbeitsmittel an die Hand. 1 Einleitung.- 2 Struktur und Aufbau Evolutionrer Algorithmen.- 3 Grundlegende Verfahren und Operatoren.- 3.1 Fitnezuweisung.- 3.1.1 Proportionale Fitnezuweisung.- 3.1.2 Reihenfolgebasierte Fitnezuweisung (Ranking).- 3.1.3 Mehrkriterielle Fitnezuweisung.- 3.2 Selektion.- 3.2.1 Rouletteselektion.- 3.2.2 Stochastic universal sampling.- 3.2.3 Turnierselektion.- 3.2.4 Truncation-Selektion.- 3.2.5 Analyse der Selektionsverfahren.- 3.2.6 Vergleich der Selektionsverfahren.- 3.3 Rekombination.- 3.3.1 Diskrete Rekombination.- 3.3.2 Rekombination reeller und ganzzahliger Variablen.- 3.3.3 Rekombination binrer Variablen (crossover).- 3.3.4 Rekombination bei kombinatorischen Problemen.- 3.4 Mutation.- 3.4.1 Mutation reeller und ganzzahliger Variablen.- 3.4.2 Mutation reeller Variablen mit Adaption der Schrittweiten.- 3.4.3 Mutation binrer Variablen.- 3.4.4 Mutation bei kombinatorischen Problemen.- 3.5 Wiedereinfgen (Reinsertion).- 3.6 Initialisierung der Individuen.- 3.6.1 Zufllige Initialisierung:.- 3.6.2 Erweiterte Initialisierung (nicht-zufllig).- 3.7 Abbruchkriterien.- 3.7.1 Direkte Abbruchkriterien.- 3.7.2 Abgeleitete Abbruchkriterien.- 3.7.3 Einsatz der Abbruchkriterien.- 3.8 Zusammenfassung.- 4 Populationen, verschiedene Strategien und Konkurrenz.- 4.1 Klassifikation von Populationsmodellen.- 4.2 Globales Modell.- 4.3 Lokales Modell.- 4.3.1 Topologie von Nachbarschaften.- 4.3.2 Allgemeine Beschreibung von Nachbarschaften.- 4.3.3 Selektion in Nachbarschaft.- 4.3.4 Wiedereinfgen in Nachbarschaft.- 4.3.5 Analyse des lokalen Modells.- 4.4 Regionales Modell.- 4.4.1 Anzahl und Gre der Unterpopulationen.- 4.4.2 Migrationstopologien.- 4.4.3 Migrationsintervall und Migrationsrate.- 4.4.4 Auswahl der Migranten.- 4.4.5 Ablauf der Migration.- 4.4.6 Analyse des regionalen Modells.- 4.5 Anwendung verschiedener Strategien.- 4.5.1 Berechnung der Ordnung der Unterpopulationen.- 4.5.2 Beispiel der Anwendung verschiedener Strategien.- 4.5.3 Analyse der Anwendung verschiedener Strategien.- 4.6 Konkurrierende Unterpopulationen.- 4.6.1 Erfolg der Unterpopulationen.- 4.6.2 Aufteilung der Ressourcen.- 4.6.3 Umsetzung der Verteilung der Ressourcen.- 4.6.4 Beispiel des Einsatzes konkurrierender Unterpopulationen.- 4.6.5 Analyse der konkurrierenden Unterpopulationen.- 4.7 Zusammenfassung.- 5 Visualisierung und Optimierung.- 5.1 Systematisierung der Visualisierung von EA.- 5.1.1 Kriterien der Systematisierung.- 5.1.2 Daten zur Visualisierung.- 5.1.3 Schema der Systematisierung.- 5.2 Globale Eigenschaften einer Population.- 5.2.1 Zielfunktionswert des besten Individuums der Population (Konvergenzdiagramm).- 5.2.2 Variablen des jeweils besten Individuums einer Population.- 5.2.3 Zielfunktionswerte (Gte) aller Individuen ber mehrere Generationen.- 5.2.4 Position und Gre der Unterpopulationen.- 5.3 Lokale Eigenschaften einer Population.- 5.3.1 Variablen aller Individuen einer Generation.- 5.3.2 Zielfunktionswerte aller Individuen einer Generation.- 5.3.3 Distanzverteilung und Distanzkarten der Individuen einer Generation.- 5.4 Hochdimensionale Visualisierung.- 5.4.1 Verfahren.- 5.4.2 Anwendung der mehrdimensionalen Visualisierung.- 5.4.3 Analyse der mehrdimensionalen Visualisierung.- 5.5 Eigenschaften der Zielfunktion.- 5.5.1 Direkte Darstellung der Zielfunktion.- 5.5.2 Fitne-Distanz-Verteilung.- 5.5.3 Visualisierung problemspezifischer Daten und Ergebnisse.- 5.6 Protokollierung von Daten und Ergebnissen.- 5.7 Zusammenfassung und Ausblick.- 6 Genetic and Evolutionary Algorithm Toolbox for Matlab.- 6.1 Aufbau und Struktur der GEATbx.- 6.2 Anwenderschnittstelle-Scriptfunktionen.- 6.3 Vordefinierte Algorithmen-Toolboxfunktionen.- 6.4 Zentralfunktion.- 6.4.1 Initialisierung.- 6.4.2 Fitnezuweisung und Selektion.- 6.4.3 Rekombination.- 6.4.4 Mutation.- 6.4.5 Wiedereinfgen.- 6.4.6 Migration und Konkurrenz zwischen Unterpopulationen.- 6.4.7 Terminierung.- 6.4.8 Visualisierung.- 6.4.9 Protokollierung.- 6.5 Zielfunktionen und Beispiele.- 6.6 Einbeziehung problemspezifischen Wissens.- 6.7 Dokumentation.- 6.8 Zusammenfassung und Ausblick.- 7 Kombination von Operatoren zu Evolutionren Algorithmen.- 7.1 Allgemein einstellbare Verfahren und Operatoren.- 7.1.1 Fitnezuweisung und Selektion.- 7.1.2 Anwendung verschiedener Strategien und Konkurrenz zwischen Unterpopulationen.- 7.1.3 Regionales Populationsmodell (Migration zwischen Unterpopulationen).- 7.1.4 Zusammenfassung allgemein einstellbare Verfahren.- 7.2 Global orientierte Parameteroptimierung.- 7.3 Lokal orientierte Parameteroptimierung.- 7.4 Parameteroptimierung binrer Variablen.- 7.5 Kombinatorische Optimierung.- 7.6 Parameteroptimierung von Variablen verschiedener Reprsentation.- 7.7 Zusammenfassung.- 8 Anwendung Evolutionrer Algorithmen auf Praxisprobleme.- 8.1 Vorgehen bei der Lsung von Optimierungsaufgaben.- 8.1.1Einordnung des Problems und Festlegung der Zielfunktion.- 8.1.2 Untersuchungen des Systemverhaltens.- 8.1.3 Festlegung des Optimierungsverfahrens.- 8.1.4 Durchfhrung und Auswertung von Optimierungen.- 8.2 Optimierung mehrdimensionaler Funktionen.- 8.2.1Verwendete Optimierungsverfahren.- 8.2.2 RASTRIGIN’S Funktion.- 8.2.3 RosBROCK’s Funktion.- 8.2.4 Moved axis parallel hyper-ellipsoid Funktion.- 8.2.5 Zusammenfassung mehrdimensionale Funktionen.- 8.3 Parameteridentifikation eines Dieselmotormodells.- 8.3.1 Beschreibung des Systems.- 8.3.2 Untersuchungen des Systemverhaltens.- 8.3.3 Zielfunktion fr die Optimierung.- 8.3.4 Verwendetes Optimierungsverfahren.- 8.3.5 Problemspezifische Visualisierung.- 8.3.6 Ergebnisse der Optimierungen.- 8.3.7 Auswertung der Ergebnisse.- 8.3.8 Zusammenfassung Parameteridentifikation Dieselmotor.- 8.4 Optimierung der Parameter eines Reglers (Fahrzeuglenkung).- 8.4.1 Modell der Querlenkung.- 8.4.2 Anforderungen an den Regler.- 8.4.3 Simulation des Gesamtsystems.- 8.4.4 Aufstellung der Zielfunktion.- 8.4.5 Durchfhrung der Optimierung.- 8.4.6 Ergebnisse der Optimierung.- 8.4.7 Zusammenfassung Fahrzeuglenkung.- 8.5 Steuerung eines komplexen Systems (Gewchshausklima).- 8.5.1 Einleitung.- 8.5.2 Kurzbeschreibung des Gewchshausklimamodells.- 8.5.3 Reprsentation der Individuen und Zielfunktion.- 8.5.4 Einbeziehung problemspezifischen Wissens.- 8.5.5 Optimale Steuerung fr durchschnittliche Tage.- 8.5.6 Optimale Steuerung bei vernderten Preisen.- 8.5.7 Optimale Steuerung unter Verwendung realer Wetterdaten.- 8.5.8 Zusammenfassung Gewchshausklima.- 8.6 Zusammenfassung.- 9 Schlubetrachtungen.- 9.1 Zusammenfassung.- 9.2 Ausblick.- A. 1 Historische Entwicklung Evolutionrer Algorithmen.- A.1.1 Erste Arbeiten zu Evolutionren Algorithmen.- A.1.2 Evolutionre Programmierung.- A.1.3 Evolutionsstrategien.- A.1.4 Genetische Algorithmen.- A.1.5 Evolutionre Algorithmen heute.- A.2 Gewchshaus- und Pflanzenmodell.- A.2.1 Zustandsgieichungen des Gewchshauses.- A.2.2 Zustandsgieichungen des Pflanzenmodells (Paprika).- A.2.3 Biomasse und Gewinn.- A.2.4 Beschrnkungen.- Evolutionre Algorithmen und Optimierung.- Kombinatorische Optimierung (TSP, Scheduling).- Behandlung von Populationen-Parallele Modelle.- Visualisierung.- Polyploidie bei Evolutionren Algorithmen.- Biologie, Genetik und Populationsgenetik.- Pflanzenwachstum und Gewchshaus.
