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.


    Access

    Access via TIB

    Check availability in my library

    Order at Subito €


    Export, share and cite



    Title :

    Mehrkriterielle Optimierung durch evolutionäre Algorithmen mit S-Metrik-Selektion


    Additional title:

    Multi criteria optimization using evolutionary algorithms with S-metric selection


    Contributors:


    Publication date :

    2006


    Size :

    10 Seiten, 2 Bilder, 1 Tabelle, 18 Quellen




    Type of media :

    Conference paper


    Type of material :

    Print


    Language :

    German