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.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Evolutionäre Optimierung dynamischer Probleme



    Published in:

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


    Publication date :

    2003-01-01


    Size :

    3 pages



    Type of media :

    Article (Journal)


    Type of material :

    Print


    Language :

    German




    Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion

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


    Quantitative Optimierung dynamischer Produktionsnetzwerke

    Jacob, Frank | LUH institutes collections | 2006



    Evolutionäre Chefsache

    Heptner, Klau | IuD Bahn | 1999


    Optimierung dynamischer Bedienvorgaenge im Lkw durch Menschmodelle

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