Skip to main content

1994 | Buch

Genetische Algorithmen

Theorie und Praxis evolutionärer Optimierung

verfasst von: Dr. Jochen Heistermann

Verlag: Vieweg+Teubner Verlag

Buchreihe : TEUBNER-TEXTE zur Informatik

insite
SUCHEN

Über dieses Buch

Das Prinzip der Evolution wurde von Charles Darwin vor nur wenig mehr als hundert Jahren entdeckt. Die Lebewesen in der Natur unterliegen einer steten Veränderung, die durch Kooperation und Konkurrenz zwischen einzelnen Arten und deren Anpassungsfähigkeit an ihre Umwelt vorangetrieben wird. Inwieweit die heute existierenden Lebewesen ausschließlich durch den Evolutionsprozeß entstanden sind, ist eine philosophische und theologische Streitfrage, die in diesem Buch nicht weiter behandelt werden soll. Das grundlegende Prinzip besteht in der iterativen Abfolge von Rekom­ bination, Mutation und Selektion, wobei eine Tendenz zum Überleben der stärkeren und besseren Individuen besteht. Dieses Prinzip ist in der Natur sehr erfolgreich. Optimierung ist eine der wichtigsten Aufgaben in der modernen Industrie. Prozesse müssen schneller und sicherer ablaufen, Material wird gespart, die Produktivität soll ständig steigen. Diejenigen Firmen, denen das gelingt, haben im Wettbewerb um die Märkte die besten Überlebenschancen. Die freie Marktwirtschaft hat sich dieses Prinzip zu eigen gemacht und große Erfolge erzielt (allerdings oft zum Schaden der Umwelt, weil die dort entstandenen Schäden meistens keine finanziell meßbaren Kosten verursachen). Optimierung wird als Wissenschaft vor allem im Bereich des Operations Research untersucht. In der Mathematik sind ebenfalls viele Verfahren vorgeschlagen und entwickelt worden. Seit Mitte der 80er Jahre sind darüber hinaus Neuronale Netze zur Lösung von Optimierungspro­ blemen attraktiv geworden.

Inhaltsverzeichnis

Frontmatter
1. Einleitung
Zusammenfassung
Im Rahmen dieser Arbeit werden die Arbeitsweise und Anwendungsgebiete Genetischer Algorithmen (GA) beschrieben und darüber hinaus weitere, praktisch verwertbare Erkenntnisse gewonnen. Dazu werden die relevanten Algorithmen vorgestellt und in ihrer Arbeitsweise miteinander verglichen. Zahlreiche Anwendungen von GA werden vorgestellt, mit der Intention, dem Leser zu verdeutlichen, welche Problemklassen mittels GA bearbeitet werden können.
Jochen Heistermann
2. Die Arbeitsweise Genetischer Algorithmen
Zusammenfassung
In der Natur schreitet der Evolutionsprozeß voran, indem sich die existierenden Lebewesen immer besser an ihre Umgebung anpassen. Die dazu in der Natur verwendeten Konzepte (die Genetischen Algorithmen) müssen abstrahiert, modelliert und verstanden werden, um im Rahmen eines Optimierungsverfahrens von Nutzen zu sein. Von einem abstrakten Standpunkt aus kann ein Lebewesen betrachtet werden als ein Phänotyp oder ein Genotyp.
Jochen Heistermann
3. Evaluierung Genetischer Algorithmen
Zusammenfassung
Im Rahmen dieses Kapitels wird ein Formalismus entwickelt, der zum tieferen Verständnis der Funktionsweise Genetischer Algorithmen hilfreich ist. Die Sichtweise des entwickelten abstrakten Modells ist die folgende: Der GA kopiert Genmaterial von einer Generation zur nächsten und wählt gutes Genmaterial bevorzugt aus. Er erreicht schließlich einen Zustand, in dem sich an jeder Genposition einer der möglichen Werte durchgesetzt hat.
Jochen Heistermann
4. Anwendungen Genetischer Algorithmen
Zusammenfassung
Der Terminus „Evolutionsstrategie“ ist von I. Rechenberg bereits 1964 anläßlich eines Vortrags am Institut für Strömungstheorie geprägt worden. Die im Rahmen der Evolutionsstrategie (ES) entwickelten Algorithmen sind in Kap.2 ausführlich dargestellt worden. Diese Algorithmen sind sehr stark zugeschnitten auf praktische Anwendungen. In diesem Kapitel werden einige wesentliche und anschauliche Beispiele dokumentiert, bei denen ES mit Erfolg eingesetzt worden sind. Die Beispiele sollen möglichst repräsentativ sein. Eine ausführlichere Sammlung von über 200 Literaturstellen findet man in [Bäc92b].
Jochen Heistermann
5. Der Lernvorgang in Neuronalen Netzen
Zusammenfassung
In diesem Kapitel wird der Bogen gespannt vom Begriff des Lernens zur Optimierung. Es wird aufgezeigt, inwieweit Optimierung und Lernen in der Informatik miteinander verwandt sind. Dabei wird deutlich, daß in der Informatik ein gegenüber der Umgangssprache stark eingeschränkter Begriff des Lernens verwandt wird. Auf dieser Grundlage können dann die vorhandenen Lernverfahren eingeordnet werden. Es gibt eine fast unübersehbare Anzahl verschiedener Lernverfahren, von denen im Rahmen dieser Arbeit einige wesentliche vorgestellt werden. Eine ausführliche Zusammenfassung bekannter Lernverfahren mit vielen weiterführenden Referenzen findet sich in [Hin89].
Jochen Heistermann
6. Unterstützung Genetischer Algorithmen mittels paralleler Architekturen
Zusammenfassung
GA arbeiten unter Verwendung von Populationen. Damit wird das zu optimierende System wiederholt kodiert und es entsteht zusätzlicher Verwaltungsaufwand. Wie in den vorangegangenen Kapiteln jedoch wiederholt aufgezeigt worden ist, liegt im Zusammenspiel der Population die Stärke der GA, so daß gerade große Populationen zur vorteilhaften Anwendung von GA wichtig sind.
Jochen Heistermann
7. Zusammenfassung
Zusammenfassung
Die vorliegende Arbeit behandelte Theorie und Praxis Genetischer Algorithmen. Neben Einleitung (Kapitel 1) und Zusammenfassung (Kapitel 7) gliedert sich die Arbeit in fünf Kapitel. Das Kapitel 2 faßte den Stand der Technik auf den behandelten Gebieten zusammen, dabei wurden die grundlegenden Mechanismen der GA dargestellt. Besonderer Wert wurde auf die Darstellung der wichtigsten praktisch einsetzbaren Algorithmen gelegt. Im dritten Kapitel wurde ein neues mathematisches Modell entwickelt, welches den gesamten Ablauf verschiedener GA emuliert. Im vierten Kapitel wurden die wesentlichen praktischen Anwendungen von GA analysiert. Kapitel 5 setzte sich mit dem Begriff des Lernens und der Beschreibung verschiedener bekannter Lernverfahren auseinander. Darüber hinaus wurde eine interessante praktische Anwendung von GA als hybridem Lernverfahren in Kombination mit Gradientenabstiegsverfahren untersucht. Im sechsten Kapitel wurde eine Spezialarchitektur zur Unterstützung von GA evaluiert. Mit spezieller Hardwareunterstützung (AM3) konnte ein beachtlicher Speedup erzielt werden.
Jochen Heistermann
8. Referenzen
Jochen Heistermann
Backmatter
Metadaten
Titel
Genetische Algorithmen
verfasst von
Dr. Jochen Heistermann
Copyright-Jahr
1994
Verlag
Vieweg+Teubner Verlag
Electronic ISBN
978-3-322-99633-6
Print ISBN
978-3-8154-2057-7
DOI
https://doi.org/10.1007/978-3-322-99633-6