Evolutionäre Algorithmen

Evolutionäre Algorithmen als Optimierungsverfahren bieten vielfältige Anwendungsmöglichkeiten für ingenieurtechnische Lösungen industrieller Aufgaben. Dieses Buch dient in seiner Aufbereitung als praxisnahes Nachschlagewerk. In anwendungsorientierter Art und Weise werden von einer einfachen Struktur Evolutionärer Algorithmen ausgehend grundlegende Bestandteile, Verfahren, Operatoren und Erweiterungen beschrieben und in ihren Anwendungsmöglichkeiten analysiert. Durch die ausführliche Darstellung mehrerer ausgewählter Praxisbeispiele wird ein Einblick in die Anwendung Evolutionärer Algorithmen gegeben. Für den Einsatz in der Praxis ist dies von un- schätzbarem Wert. Die dem Buch beiliegende Toolbox für Matlab bietet einen guten Einstieg in die Arbeit mit Evolutionären Algorithmen und kann sofort für die Lösung eigener Praxisprobleme genutzt werden. Der Benutzer erhält neben dem notwendigen Grundwissen ein wertvolles Arbeits- mittel an die Hand.

1 Einleitung. - 2 Struktur und Aufbau Evolutionärer Algorithmen. - 3 Grundlegende Verfahren und Operatoren. - 3. 1 Fitneßzuweisung. - 3. 2 Selektion. - 3. 3 Rekombination. - 3. 4 Mutation. - 3. 5 Wiedereinfügen (Reinsertion). - 3. 6 Initialisierung der Individuen. - 3. 7 Abbruchkriterien. - 3. 8 Zusammenfassung. - 4 Populationen, verschiedene Strategien und Konkurrenz. - 4. 1 Klassifikation von Populationsmodellen. - 4. 2 Globales Modell. - 4. 3 Lokales Modell. - 4. 4 Regionales Modell. - 4. 5 Anwendung verschiedener Strategien. - 4. 6 Konkurrierende Unterpopulationen. - 4. 7 Zusammenfassung. - 5 Visualisierung und Optimierung. - 5. 1 Systematisierung der Visualisierung von EA. - 5. 2 Globale Eigenschaften einer Population. - 5. 3 Lokale Eigenschaften einer Population. - 5. 4 Hochdimensionale Visualisierung. - 5. 5 Eigenschaften der Zielfunktion. - 5. 6 Protokollierung von Daten und Ergebnissen. - 5. 7 Zusammenfassung und Ausblick. - 6 Genetic and Evolutionary Algorithm Toolbox for Matlab. - 6. 1 Aufbau und Struktur der GEATbx. - 6. 2 Anwenderschnittstelle Scriptfunktionen. - 6. 3 Vordefinierte Algorithmen Toolboxfunktionen. - 6. 4 Zentralfunktion. - 6. 5 Zielfunktionen und Beispiele. - 6. 6 Einbeziehung problemspezifischen Wissens. - 6. 7 Dokumentation. - 6. 8 Zusammenfassung und Ausblick. - 7 Kombination von Operatoren zu Evolutionären Algorithmen. - 7. 1 Allgemein einstellbare Verfahren und Operatoren. - 7. 2 Global orientierte Parameteroptimierung. - 7. 3 Lokal orientierte Parameteroptimierung. - 7. 4 Parameteroptimierung binärer Variablen. - 7. 5 Kombinatorische Optimierung. - 7. 6 Parameteroptimierung von Variablen verschiedener Repräsentation. - 7. 7 Zusammenfassung. - 8 Anwendung Evolutionärer Algorithmen auf Praxisprobleme. - 8. 1 Vorgehen bei der Lösung von Optimierungsaufgaben. - 8. 2 Optimierung mehrdimensionaler Funktionen. - 8. 3 Parameteridentifikation eines Dieselmotormodells. - 8. 4 Optimierung der Parameter eines Reglers (Fahrzeuglenkung). - 8. 5 Steuerung eines komplexen Systems (Gewächshausklima). - 8. 6 Zusammenfassung. - 9 Schlußbetrachtungen. - 9. 1 Zusammenfassung. - 9. 2 Ausblick. - A. 1 Historische Entwicklung Evolutionärer Algorithmen. - A. 1. 1 Erste Arbeiten zu Evolutionären Algorithmen. - A. 1. 2 Evolutionäre Programmierung. - A. 1. 3 Evolutionsstrategien. - A. 1. 4 Genetische Algorithmen. - A. 1. 5 Evolutionäre Algorithmen heute. - A. 2 Gewächshaus- und Pflanzenmodell. - A. 2. 1 Zustandsgieichungen des Gewächshauses. - A. 2. 2 Zustandsgieichungen des Pflanzenmodells (Paprika). - A. 2. 3 Biomasse und Gewinn. - A. 2. 4 Beschränkungen. - Evolutionäre Algorithmen und Optimierung. - Kombinatorische Optimierung (TSP, Scheduling). - Behandlung von Populationen Parallele Modelle. - Visualisierung. - Polyploidie bei Evolutionären Algorithmen. - Biologie, Genetik und Populationsgenetik. - Pflanzenwachstum und Gewächshaus.