Genetische Algorithmen

1. Front Matter

   Pages 1-10

   PDF

2. Einleitung

   • Jochen Heistermann

   Pages 11-15

3. Die Arbeitsweise Genetischer Algorithmen

   • Jochen Heistermann

   Pages 16-87

4. Evaluierung Genetischer Algorithmen

   • Jochen Heistermann

   Pages 88-160

5. Anwendungen Genetischer Algorithmen

   • Jochen Heistermann

   Pages 161-178

6. Der Lernvorgang in Neuronalen Netzen

   • Jochen Heistermann

   Pages 179-242

7. Unterstützung Genetischer Algorithmen mittels paralleler Architekturen

   • Jochen Heistermann

   Pages 243-277

8. Zusammenfassung

   • Jochen Heistermann

   Pages 278-281

9. Referenzen

   • Jochen Heistermann

   Pages 282-291

10. Back Matter

    Pages 292-300

    PDF

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.

• Algorithmen
• Industrie
• Mathematik
• Modell
• Mutation
• Optimierung
• Praxis
• Qualität
• Simulation
• Systeme
• Umwelt
• Verfahren
• Wissenschaft
• genetische Algorithmen
• neuronale Netze

• Siemens AG München-Perlach, München, Deutschland

  Jochen Heistermann

Policies and ethics