Bei der mehrkriteriellen Pareto-Optimierung wird zu konliktären Anforderungen eine Menge von Kompromisslösungen gesucht, die die bestmöglichen Lösungen apalgorithmuproximieren. Evolutionäre Algorithmen haben sich hierbei als effektive und robuste Verfahren bewährt. Die Güte einer Approximation lässt sich durch das von ihr dominierte Hypervolumen im Zielraum, der sogenannten S-Metrik, quantifizieren. Die Maximierung der S-Metrik ist also ein erstrebenswertes Ziel und gleichzeitig eine hinreichende einkriterielle Ersatzzielfunktion. Ein evolutionärer Algorithmus setzt diese innerhalb der Selektion ein und erreicht dadurch hervorragende Ergebnismengen. Die Autoren zeigen anhand von Benchmarkproblemen und realen Anwendungen aus der Flugzeugtechnik, dass dieser Algorithmus außerordentlich effektiv ist. Dies zeigt sich insbesondere für den Fall, wenn mehr als drei Ziele zu optimieren sind, weil dann andere populäre mehrkriterielle evolutionäre Algorithmen versagen.
Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion
Multi criteria optimization using evolutionary algorithms with S-metric selection
2006
10 Seiten, 2 Bilder, 1 Tabelle, 18 Quellen
Aufsatz (Konferenz)
Deutsch
Mehrkriterielle Optimierung elektrischer Bahnsysteme
IuD Bahn | 2008
|Mehrkriterielle Optimierung elektrischer Bahnsysteme
Tema Archiv | 2008
|Bahnenergieversorgung - Mehrkriterielle Optimierung elektrischer Bahnsysteme
Online Contents | 2008
|TIBKAT | 1999
|