2017 | OriginalPaper | Buchkapitel
Stochastische Optimierungsverfahren
verfasst von : Prof. i. R. Dr.-Ing. Dr.-Ing. h.c., Fellow IEEE Dierk Schröder, Univ.-Prof. Dr.-Ing./Univ. Tokio habil., Fellow IEEE Martin Buss
Erschienen in: Intelligente Verfahren
Verlag: Springer Berlin Heidelberg
Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.
Wählen Sie Textabschnitte aus um mit Künstlicher Intelligenz passenden Patente zu finden. powered by
Markieren Sie Textabschnitte, um KI-gestützt weitere passende Inhalte zu finden. powered by
Ziel des Kapitels 11 ist, die grundlegende Arbeitsweise stochastischer Verfahren zu verstehen, um die Grenzen dieser Algorithmen bei der Systemidentifikation mit Neuronalen Netzen herausarbeiten zu können. Die im Kapitel 11 beschriebenen Algorithmen orientieren sich alle an Phänomenen der Natur: Die Grundidee beim Simulated Annealing ist der Abkühlungsprozess von geschmolzenen Festkörpern. Bei den Evolutionären Algorithmen handelt es sich um mathematische Modelle, welche die Evolution des Lebens simulieren. Unter Swarm Intelligence versteht man Verfahren, die das Schwarmverhalten von Tieren nachahmen. Stellvertretend für diese Gattung wird das Particle Swarm Optimization Verfahren vorgestellt.