Evolutionäre Algorithmen (EAs) sind iterative stochastische Optimierungsheuristiken, deren Funktionsweise der natürlichen Evolution nachempfunden ist. In den vergangenen Jahren wurden EAs erfolgreich auf eine breite Vielfalt von Optimierungsproblemen angewendet. Fast alle diese Probleme sind allerding statisch, wohingegen Probleme aus der Praxis oft dynamisch und stochastisch sind, d. h. sich im Zeitverlauf verändern. In diesen Fällen reicht es nicht aus, möglichst schnell und zuverlässig ein Optimum zu finden, sondern trotz der Dynamik des Problems fortlaufend Lösungen hoher Qualität anbieten zu können. Im Beitrag wird eine Dissertationsarbeit vorgestellt, die zeigt, wie evolutionäre Algorithmen erfolgreich an diese Aufgabenstellung angepasst werden können.
Evolutionäre Optimierung dynamischer Probleme
it- Information Technology ; 45 , 3 ; 170-172
2003-01-01
3 pages
Aufsatz (Zeitschrift)
Deutsch
Optimierung , Dynamik , Algorithmu , Mathematik , Stochastik
© Metadata Copyright Deutsche Bahn AG. All rights reserved.
Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion
Tema Archiv | 2006
|IuD Bahn | 1999
|Evolutionäre Elektronikarchitektur für Kraftfahrzeuge
Tema Archiv | 2005
|Optimierung dynamischer Bedienvorgaenge im Lkw durch Menschmodelle
Kraftfahrwesen | 2016
|