Skip to main content
main-content

Inhaltsverzeichnis

Frontmatter

Kapitel 1. Einleitung

Zusammenfassung
Ausgehend von einfachsten Grundformen entwickelte sich im Laufe von Jahrmilliarden auf der Erde eine unüberschaubare Vielfalt von Lebewesen. Man kann diese Evolution als einen ständig fortschreitenden Anpassungsund Optimierungsprozeß in einer sich wandelnden Umwelt verstehen. Charles Darwin (1809–1882) identifizierte Mutation (Zufall) und Selektion (Notwendigkeit) als die entscheidenden Mechanismen der Evolution.
Volker Nissen

Kapitel 2. Kurzer Abriß relevanter Elemente der Evolutionstheorie

Zusammenfassung
Bevor im einzelnen die verschiedenen EA-Formen dargestellt werden, erscheint es angemessen, kurz auf die Evolutionstheorie als natürliches Vorbild einzugehen. Eine vollständige Darstellung dieser Thematik füllt Bücher und kann nicht Zweck dieses Kapitels sein. Sie ist indes auch nicht erforderlich, da EA die Mechanismen der Evolution auch nur auf abstrakter Ebene nachahmen. An dieser Stelle genügt es, wesentliche Elemente der Evolutionstheorie vorzustellen und einige Fachtermini einzuführen, von denen später wiederholt Gebrauch gemacht wird.1
Volker Nissen

Kapitel 3. Evolutionäre Algorithmen (EA)

Zusammenfassung
Evolutionäre Algorithmen (EA; Abb. 3.1) abstrahieren die grundlegenden evolutionstheoretischen Prinzipien der Vervielfachung (Replikation), Veränderung (Variation) und Auswahl (Selektion). Sie bilden breit anwendbare Such- und Optimierungsverfahren mit überwiegend heuristischem Charakter. Verschiedene EA-Formen lassen sich unterscheiden, doch stimmt die Grundphilosophie überein. Die wichtigsten sind:
  • Genetische Algorithmen (GA),
  • Genetische Programmierung (GP, eine wichtige Sonderform von GA),
  • Evolutionsstrategien (ES),
  • Evolutionäre Programmierung (EP).
Volker Nissen

Kapitel 4. Anwendungsbeispiele

Zusammenfassung
Im folgenden Kapitel werden unterschiedliche EA-Varianten auf zwei betriebswirtschaftlich motivierte Optimierungsprobleme angewendet. Damit sollen die bisherigen Ausführungen zu EA konkretisiert und illustriert werden. Es geht aber auch darum, die EA-Varianten in ihrer Leistungsfähigkeit untereinander sowie im Vergleich zu konkurrierenden Optimierungsverfahren zu beurteilen. Dazu werden zwei praktisch vollkommen gegensätzliche Beispielprobleme ausgewählt: das Quadratische Zuordnungsproblem (QAP)1 und seine Erweiterung (RQAP)2 um praxisbezogene Nebenbedingungen der innerbetrieblichen Standortplanung einerseits, sowie ein bei Biethahn [BIET78] beschriebenes stochastisches Lagerhaltungsproblem (LH-Problem) andererseits (Tab. 4.1). So kann das Problemlösungspotential und Verhalten von EA bei unterschiedlichen Rahmenbedingungen untersucht werden.
Volker Nissen

Kapitel 5. Betriebswirtschaftliche Anwendungsmöglichkeiten von Evolutionären Algorithmen

Zusammenfassung
Die Ziele dieses Kapitels sind, zum ersten, einen Überblick über den heutigen Stand betriebswirtschaftlicher Anwendungen von EA zu geben und, zum zweiten, einige weitere erfolgversprechende Anwendungsmöglichkeiten von EA im betriebswirtschaftlichen Bereich zu identifizieren. Behandelt werden die verfahrenstechnisch ähnlichen und gleichzeitig praktisch bedeutsamsten Varianten GA (inkl. GP), ES und EP.
Volker Nissen

Kapitel 6. Zusammenfassung

Zusammenfassung
Gegenstand der vorliegenden Arbeit waren Evolutionäre Algorithmen (EA). EA abstrahieren die grundlegenden evolutionstheoretischen Prinzipien der Vervielfachung (Replikation), Veränderung (Variation) und Auswahl (Selektion). Sie bilden breit anwendbare Such- und Optimierungsverfahren mit überwiegend heuristischem Charakter. EA wurden im Rahmen der Dissertation in ganzheitlicher Sicht dargestellt und Anwendungsmöglichkeiten in betriebswirtschaftlichen Problemstellungen diskutiert. Darüber hinaus wurde, anhand mehrerer praktischer Beispiele, ihre Leistungsfähigkeit im Vergleich untereinander und mit anderen Optimierungsmethoden untersucht.
Volker Nissen

Backmatter

Weitere Informationen