2017 | OriginalPaper | Buchkapitel
Optimierung
verfasst von : Karl Siebertz, David van Bebber, Thomas Hochkirchen
Erschienen in: Statistische Versuchsplanung
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
Die Optimierung komplexer Systeme läuft zumeist auf einen Kompromiss zwischen verschiedenen Qualitätsgrößen hinaus. Eine sinnvolle Zusammenfassung auf eine globale Qualitätsgröße ist dabei meist nicht sinnvoll, da der Lösungsbereich deutlich eingeschränkt und bereits vor der eigentlichen Optimierung eine noch unbekannte Lösung favorisiert wird. Dieses Kapitel befasst sich daher mit der multidimensionalen Optimierung, bei der alle Zielgrößen parallel betrachtet und optimiert werden. Aus den ermittelten Lösungen, die unterschiedliche Kompromisse zwischen den einzelnen Optimierungszielen enthalten, kann im Anschluss ein guter Kompromiss auf Basis aller vorhandenen Daten (Qualitätsgrößen plus zugehöriger Faktoreinstellungen) ausgewählt werden. Neben verschiedenen Grundlagen zur multidimensionalen Optimierung werden einige Verfahren aus dem Bereich genetischer (z.B. NSGAII) und naturanaloger Anlgorithmen (z.B. Particle Swarm) dargestellt.