Hartmut Pohlheim

Evolutionäre Algorithmen (eBook, PDF)

Verfahren, Operatoren und Hinweise für die Praxis

• Format: PDF

Produktbeschreibung

Matlab-Tools zum Download

---

Dieser Download kann aus rechtlichen Gründen nur mit Rechnungsadresse in A, B, BG, CY, CZ, D, DK, EW, E, FIN, F, GR, HR, H, IRL, I, LT, L, LR, M, NL, PL, P, R, S, SLO, SK ausgeliefert werden.

Produktdetails

• Verlag: Springer Berlin Heidelberg
• Seitenzahl: 317
• Erscheinungstermin: 7. März 2013
• Deutsch
• ISBN-13: 9783642571374
• Artikelnr.: 53106867

Inhaltsangabe

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 Schlußbetrachtungen.- 9.1 Zusammenfassung.- 9.2 Ausblick.- A. 1 Historische Entwicklung Evolutionärer Algorithmen.- A.1.1 Erste Arbeiten zu Evolutionären Algorithmen.- A.1.2 Evolutionäre Programmierung.- A.1.3 Evolutionsstrategien.- A.1.4 Genetische Algorithmen.- A.1.5 Evolutionäre Algorithmen heute.- A.2 Gewächshaus- und Pflanzenmodell.- A.2.1 Zustandsgieichungen des Gewächshauses.- A.2.2 Zustandsgieichungen des Pflanzenmodells (Paprika).- A.2.3 Biomasse und Gewinn.- A.2.4 Beschränkungen.- Evolutionäre Algorithmen und Optimierung.- Kombinatorische Optimierung (TSP, Scheduling).- Behandlung von Populationen-Parallele Modelle.- Visualisierung.- Polyploidie bei Evolutionären Algorithmen.- Biologie, Genetik und Populationsgenetik.- Pflanzenwachstum und Gewächshaus.