MENÜ MENÜ  

Multikriterielle Evolutionäre Optimierung

Thomas Koch

ISBN 978-3-8325-0184-6
157 Seiten, Erscheinungsjahr: 2003
Preis: 40.50 €
Viele praktische Such- bzw. Optimierungsprobleme bestehen erstens aus mehreren Zielen und sind zweitens in einem sehr komplexen Suchraum definiert. Falls sich diese Ziele widersprechen, handelt es sich um ein multikriterielles Optimierungsproblem, bei dem es gilt, alle optimalen Kompromisslösungen - die sogenannte Pareto-optimale Menge - zu finden. So gibt es nicht nur ein klar definiertes globales Optimum, sondern viele gleichwertige Alternativen. Dies wird meist durch die Gewichtung einzelner Ziele umgangen, das jedoch a priori Wissen voraussetzt. Des weiteren sind exakte Optimierungsalgorithmen wegen des zu großen und komplexen Suchraumes sowie beschränkter Betriebsmittel wie Zeit und Rechenleistung nicht anwendbar. Evolutionäre Algorithmen bieten hier die effektivere Alternative, zumindest heuristisch approximierte Lösungen mit den gegebenen Betriebsmitteln zu finden.

Die vorliegende Arbeit führt zunächst in die Problematik multikriterieller Optimierungsprobleme und Evolutionärer Algorithmen ein. Danach werden multikriterielle Evolutionäre Algorithmen erklärt. Der Gegenstand dieser wissenschaftlichen Arbeit ist, bestehende multikriterielle Evolutionäre Algorithmen zu vergleichen und zu verbessern, sowie ein geometrisches multikriterielles Optimierungsproblem aus der holzverarbeitenden Maschinenbaubranche bis zum reellen Einsatz zu lösen. Insgesamt wird folgender Beitrag geleistet

  • Ein neuer Ansatz eines multikriteriellen Evolutionären Algorithmus, multi-objective clustering selections MOCS, wird erläutert. MOCS besteht aus einem zweistufigen Selektionsprozess, der zuerst Regionen-basiert mittels Clustering und im zweiten Schritt Individuen-basiert selektiert. MOCS kombiniert dabei bewährte und neue Konzepte miteinander.
  • Drei verschiedene Varianten von MOCS werden vorgestellt, um Vor- und Nachteile im Vergleich auch mit anderen multikriteriellen Evolutionären Algorithmen aufzuzeigen.
  • Die MOCS-Varianten zeigen in empirischen Experimenten auf allgemein anerkannten Standardbenchmarkproblemen aus der Literatur ihre Wettbewerbsfähigkeit gegen die aktuell besten multikriteriellen Evolutionären Algorithmen NSGA2, SPEA2 und PESA2.
  • Multikriterielle Optimierungsprobleme aus dem holzverarbeitenden Maschinenbau werden untersucht, Lösungen in verschiedenen Ansätzen aufgezeigt, bewertet, diskutiert und bis zur realen Anwendung implementiert. Durch die Umsetzung der hier vorgestellten Verfahren konnte der Industriepartner seine automatisierte Maschinensteuerung wesentlich verbessern sowie Ausfallzeiten und Arbeitsunfälle verringern.
  • Keywords:
    • Multikriterielle Optimierungsprobleme
    • Evolutionäre Algorithmen
    • Maschinenbau
    • Clustering
    • MOCS

    KAUFOPTIONEN

    40.50 €
    Nur noch 3 Ex. auf Lager
    Versandkostenfrei innerhalb Deutschlands


    Wollen auch Sie Ihre Dissertation veröffentlichen?