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.


    Zugriff

    Zugriff über TIB

    Verfügbarkeit in meiner Bibliothek prüfen

    Bestellung bei Subito €


    Exportieren, teilen und zitieren



    Titel :

    Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion


    Weitere Titelangaben:

    Multi criteria optimization using evolutionary algorithms with S-metric selection


    Beteiligte:
    Beume, Nicola (Autor:in) / Naujoks, Boris (Autor:in) / Rudolph, Günter (Autor:in)


    Erscheinungsdatum :

    2006


    Format / Umfang :

    10 Seiten, 2 Bilder, 1 Tabelle, 18 Quellen




    Medientyp :

    Aufsatz (Konferenz)


    Format :

    Print


    Sprache :

    Deutsch