![Loading...](https://link.springer.com/static/c4a417b97a76cc2980e3c25e2271af3129e08bbe/images/pdf-preview/spacer.gif)
-
Chapter
Komplexität und heuristische/metaheuristische Verfahren
Die Performance von Optimierungsalgorithmen für spezielle Optimierungsprobleme wird bestimmt durch den erforderlichen Ressourcenbedarf, wie z. B. die Rechenzeit oder den Speicherplatz. Die Komplexität eines Op...
-
Chapter
Evolutionäre Algorithmen
Dieses Kapitel befasst sich mit den evolutionären Algorithmen, die in vielen Bereichen anwendbar sind und sich als sehr effektiv erwiesen. Evolutionäre Algorithmen imitieren Strategien aus der Evolutionsbiolog...
-
Chapter
Kontinuierliche Optimierungsprobleme
In diesem Beispiele von kontinuierlichen Optimierungsproblemen vorgestellt. Weiterhin wird der Begriff Regression eingeführt sowie Extremwerteigenschaften von konkaven und konvexen Funktionen beschrieben.
-
Chapter
Ameisenalgorithmen
Ein schwarmbasierender Algorithmus ist der , der von Dorigo 1992 entwickelt wurde. Vorbild des Ameisenalgorithmus ist die Futtersuche von Ameisen. Ameisen sind in der Lage, den kürzesten Weg zwischen dem Amei...
-
Chapter
Lineare Optimierungsprobleme
Die lineare Optimierung wird in vielen verschiedenen Bereichen eingesetzt. Sie wird dort angewendet, wo eine lineare Funktion zu minimieren bzw. maximieren ist unter Einhaltung von Nebenbedingungen. In der Fac...
-
Chapter
Fledermausalgorithmen
Vorbild des Fledermausalgorithmus (BAT-Algorithmus), der von Yang 2010 entwickelt wurde, ist die Echo-Ortung von Fledermäusen. Fledermäuse stoßen zur Peilung eines Beutetieres Ultraschallrufe aus, wobei je nac...
-
Chapter
Selbstorganisierende Karten
Selbstorganisierende Karten sind spezielle neuronale Netze, die dem Namen entsprechend sich selbst organisieren und zu den Lernverfahren „Unsupervised Learning“ gehören. Eine Bewertung der Ausgabedaten während...
-
Chapter
Analytische Methoden
In diesem Kapitel werden Verfahren zur Optimierung von kontinuierlichen Funktionen mit den Methoden der Analysis vorgestellt. Die klassische Methode für die Extremwertbestimmung einer differenzierbaren Funktio...
-
Chapter
Übersicht: Naturanaloge Optimierungen
Allgemein lassen sich die naturanalogen Optimierungsverfahren in physikbasierende, evolutionäre, schwarmbasierende Algorithmen sowie künstliche Immunsysteme unterteilen. In einem Diagramm werden die in diesem ...
-
Chapter
Reinforcement Learning
Bei dem Reinforcement Learning erfolgt das Lernen durch Belohnung bzw. durch Bestrafung. Es ist das Ziel des Reinforcement Learning, das Lernergebnis zu maximieren. Dies kann erreicht werden, indem ein Agent e...
-
Chapter
Lineare Optimierung
Gegenstand dieses Kapitels ist die graphische Methode und die Simplexmethode zur Lösung von linearen Optimierungsproblemen, die an Beispielen erläutert werden. Die graphische Methode ist anwendbar für lineare ...
-
Chapter
Neuronale Optimierung mit dem Pointer-Netzwerk
In diesem Kapitel wird eine neuronale kombinatorische Optimierungsmethode (NCO-Methode) von Bello et al. zur Lösung des Problems des Handlungsreisenden beschrieben. Damit soll ein Einblick gegeben werden, wie ...
-
Chapter
Optimierung mit graphischen neuronalen Netzen
Viele Optimierungsprobleme der realen Welt können auf die Optimierung von Graphen reduziert werden. Optimierung mit graphischen neuronalen Netzen ist ein neues aktives Forschungsgebiet. Eine Methode zur Lösung...
-
Chapter
Physikbasierende Algorithmen
Zu den physikbasierenden Optimierungsalgorithmen zählt das Simulated-Annealing-Verfahren, das in diesem Kapitel beschrieben wird. Vorbild dieses naturinspirierten Verfahrens ist der Abkühlungsprozess beim Erhä...
-
Chapter
Einführung
Es gibt eine unübersehbare Vielzahl verschiedener Optimierungsprobleme in der realen Welt, wie zum Beispiel Optimierungsaufgaben aus den Bereichen Logistik, Technik, Finanzwirtschaft, Medizin, Telekommunikatio...
-
Chapter
Partikelschwarmalgorithmen
Zu den schwarmbasierenden Algorithmen zählt der Partikelschwarmalgorithmus, der das Schwarmverhalten von Vögeln bei der Suche eines Futterplatzes adaptiert. Die künstlichen Vögel sollen dabei ein Gedächtnis üb...
-
Chapter
Kombinatorische Optimierungsprobleme
Viele kombinatorische Optimierungsprobleme können eingeordnet werden in die Optimierungsgebiete Vehicle-Routing-Probleme, Graphenprobleme, Scheduling-Probleme, Zuschnittprobleme und Packungsprobleme, die in di...
-
Chapter
Bienenalgorithmen
Natürliches Vorbild des Bienenalgorithmus ist das Verhalten der westlichen Honigbienen bei der Futtersuche. Mit Bienenalgorithmen lassen sich kombinatorische wie auch kontinuierliche Optimierungsprobleme lösen...
-
Chapter
Multikriterielle Optimierungsprobleme
Man spricht von einem multikriteriellen Optimierungsproblem, wenn mehrere Zielfunktionen zu optimieren sind, wobei sie zueinander konkurrierend sein können. Bei einem multikriteriellen Optimierungsproblem exis...
-
Chapter
Künstliche Immunsysteme
In diesem Kapitel werden (AIS) behandelt. Menschliche Immunsysteme sind sehr komplexe und effiziente Abwehrsysteme gegen Krankheitserreger. Viele Strategien und Prinzipien des menschlichen Immunsystems könne...