Evolutionäre Algorithmen

1 Einleitung.- 2 Struktur und Aufbau Evolutionärer Algorithmen.- 3 Grundlegende Verfahren und Operatoren.- 3.1 Fitneßzuweisung.- 3.2 Selektion.- 3.3 Rekombination.- 3.4 Mutation.- 3.5 Wiedereinfügen (Reinsertion).- 3.6 Initialisierung der Individuen.- 3.7 Abbruchkriterien.- 3.8 Zusammenfassung.- 4 Populationen, verschiedene Strategien und Konkurrenz.- 4.1 Klassifikation von Populationsmodellen.- 4.2 Globales Modell.- 4.3 Lokales Modell.- 4.4 Regionales Modell.- 4.5 Anwendung verschiedener Strategien.- 4.6 Konkurrierende Unterpopulationen.- 4.7 Zusammenfassung.- 5 Visualisierung und Optimierung.- 5.1 Systematisierung der Visualisierung von EA.- 5.2 Globale Eigenschaften einer Population.- 5.3 Lokale Eigenschaften einer Population.- 5.4 Hochdimensionale Visualisierung.- 5.5 Eigenschaften der Zielfunktion.- 5.6 Protokollierung von Daten und Ergebnissen.- 5.7 Zusammenfassung und Ausblick.- 6 Genetic and Evolutionary Algorithm Toolbox for Matlab.- 6.1 Aufbau und Struktur der GEATbx.- 6.2 Anwenderschnittstelle-Scriptfunktionen.- 6.3 Vordefinierte Algorithmen-Toolboxfunktionen.- 6.4 Zentralfunktion.- 6.5 Zielfunktionen und Beispiele.- 6.6 Einbeziehung problemspezifischen Wissens.- 6.7 Dokumentation.- 6.8 Zusammenfassung und Ausblick.- 7 Kombination von Operatoren zu Evolutionären Algorithmen.- 7.1 Allgemein einstellbare Verfahren und Operatoren.- 7.2 Global orientierte Parameteroptimierung.- 7.3 Lokal orientierte Parameteroptimierung.- 7.4 Parameteroptimierung binärer Variablen.- 7.5 Kombinatorische Optimierung.- 7.6 Parameteroptimierung von Variablen verschiedener Repräsentation.- 7.7 Zusammenfassung.- 8 Anwendung Evolutionärer Algorithmen auf Praxisprobleme.- 8.1 Vorgehen bei der Lösung von Optimierungsaufgaben.- 8.2 Optimierung mehrdimensionaler Funktionen.- 8.3 Parameteridentifikation eines Dieselmotormodells.- 8.4 Optimierung der Parameter eines Reglers (Fahrzeuglenkung).- 8.5 Steuerung eines komplexen Systems (Gewächshausklima).- 8.6 Zusammenfassung.- 9