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.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Evolutionäre Optimierung dynamischer Probleme



    Erschienen in:

    it- Information Technology ; 45 , 3 ; 170-172


    Erscheinungsdatum :

    2003-01-01


    Format / Umfang :

    3 pages



    Medientyp :

    Aufsatz (Zeitschrift)


    Format :

    Print


    Sprache :

    Deutsch





    Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion

    Beume, Nicola / Naujoks, Boris / Rudolph, Günter | Tema Archiv | 2006


    Evolutionäre Chefsache

    Heptner, Klau | IuD Bahn | 1999


    Evolutionäre Elektronikarchitektur für Kraftfahrzeuge

    Hofmann, Peter / Leboch, Stefan | Tema Archiv | 2005


    Optimierung dynamischer Bedienvorgaenge im Lkw durch Menschmodelle

    Wirsching,H.J. / Stechow,R. / Enderlein,V. et al. | Kraftfahrwesen | 2016