5.7 Zusammenfassung und Ausblick

Die Visualisierung von Daten und Ergebnissen stellt eines der leistungsfähigsten Werkzeuge zur Analyse großer Datenmengen dar. Bei der Verwendung Evolutionärer Algorithmen werden große Mengen an Daten produziert, die für eine effektive und verständliche Auswertung der Bearbeitung und übersichtlichen Darstellung bedürfen. In diesem Kapitel wurden die verschiedensten Verfahren und Techniken vorgestellt, die eine übersichtliche Darstellung für die unterschiedlichsten Daten vornehmen.

Die erläuterten und in ihrer Anwendung demonstrierten Verfahren decken die Bereiche ab, die bei der praktischen Anwendung von Evolutionären Algorithmen und für deren Analyse benötigt werden. Am häufigsten kommen die Verfahren zum Einsatz, die den Verlauf der Anwendung eines Evolutionären Algorithmus darstellen: Darstellung

• des besten Zielfunktionswertes je Generation (Konvergenz),
• der Variablen des besten Individuums je Generation,
• aller Zielfunktionswerte über alle Generationen.

Einen genaueren Einblick in den Zustand einer Population gewähren die Verfahren zur Darstellung der Daten einer Generation: Darstellung

• der Variablen aller Individuen,
• der Zielfunktionswerte aller Individuen,
• der Distanzverteilung.

Bei der Verwendung eines der Populationsmodelle ergeben sich mit den vorgestellten Verfahren vertiefte Einsichten oder es können beim Einsatz spezieller Visualisierungsverfahren neue Zusammenhänge erkannt werden: Darstellung

• der Position und der Größe der Unterpopulationen beim regionalen Modell,
• der Zielfunktionswerte aller Individuen,
• der Distanzkarten beim lokalen Modell.

In eine etwas andere Richtung gehen die Verfahren zur Darstellung von Eigenschaften der Zielfunktion. Die direkte Darstellung der Zielfunktion ist nur bei niedrigdimensionalen Funktionen bzw. bei Funktionen mit vertauschbaren Variablen vollständig anwendbar. Bei vielen praktischen Problemen kann ein Blick auf die direkte Darstellung trotzdem einige neue Informationen bringen, die anders nur schwer oder nicht zugänglich wären. Die Leistungsfähigkeit dieses einfachen Verfahrens wird bei der praktischen Anwendung oft übersehen.

Die Darstellung der Fitneß-Distanz-Verteilung wird bisher kaum verwendet, kann aber bei regelmäßigem Einsatz zusätzliche Informationen über die wahrscheinliche Schwere einer Funktion liefern. Allerdings dürfte es zu Beginn des Einsatzes Schwierigkeiten mit der Interpretation der Darstellung geben, da die Ergebnisse nicht offensichtlich sind. Die in diesem Kapitel dargestellten Beispiele können als Ausgangspunkt für die Anwendung dieser neuen Darstellung genutzt werden.

Eine wichtige Unterstützung bei der Bearbeitung komplexer Probleme bildet die Visualisierung problemspezifischer Daten und Ergebnisse. Damit können die oftmals sehr abstrakten Variablen auf solch eine Art und Weise umgesetzt werden, daß der Anwender leicht zu interpretierende Ergebnisse zu sehen bekommt. Diese Ergebnisgrafiken sind ein wichtiges Hilfsmittel bei der Beurteilung des Verlaufs bzw. der Ergebnisse eines Laufs. Oftmals geben sie wichtige Rückschlüsse, ob die Zielfunktion wirklich die Dinge beinhaltet, die optimiert werden sollen bzw. welche Bereiche des Problems in der Zielfunktion noch nicht ausreichend berücksichtigt sind. Die problemspezifische Visualisierung sollte bei allen komplexen Problemen verwendet werden.

Die hochdimensionale Visualisierung hilft bei der Bewertung der Zusammenhänge zwischen Punkten, die im hochdimensionalen Raum verteilt liegen. Durch die Transformation in einen niedrigdimensionalen Bereich können die Daten dargestellt werden. Dies kann bei der Auswertung von Daten helfen, die auf anderem Wege nicht oder nur sehr schwer zugänglich wären bzw. eröffnet eine neue Sicht auf diese hochdimensionalen Daten. An Beispielen für die Darstellung von Individuen im Suchraum, des 'Wegs der besten Individuen durch den Suchraum' und die visuelle Bewertung mehrkriterieller Zielfunktionswerte wurde dies gezeigt. Die Anwendung der hochdimensionalen Visualisierung auf dem Gebiet der Evolutionären Algorithmen ist noch neu. Durch weitere Arbeiten auf diesem Gebiet dürften in nächster Zeit weitere Methoden und Verfahren aufbereitet werden, die über die hier gezeigten ersten Anwendungen und Ergebnisse hinausgehen.

Alle in diesem Kapitel vorgestellten Visualisierungsmethoden entstanden bei der Bearbeitung und Untersuchung praktischer Probleme und haben sich im Einsatz bewährt. Die Verfahren ermöglichen ein genaues Verfolgen eines Laufs sowie die gleichzeitige oder nachfolgende Analyse wichtiger Größen. Ohne diese Darstellungen ist es fast unmöglich, sich durch die anfallenden Daten zu kämpfen und eine Analyse vornehmen zu können.

Je nach Schwere und Größe sowie dem schon vorhandenen Verständnis des zu bearbeitenden Problems können Verfahren von den hier vorgestellten für die Anwendung ausgewählt werden. Es lassen sich mehrere Detailstufen zusammenstellen, von einer einfachen Darstellung der Konvergenz am Ende des Laufs bis zur Verwendung aller vorgestellten Verfahren in jeder Generation.

Mit der weiteren Entwicklung der grafischen Darstellungsmöglichkeiten können die hier vorgestellten Methoden in wenigen Jahren deutlich erweitert werden. Es zeichnen sich schon heute stark verbesserte Möglichkeiten der dreidimensionalen Darstellung ab, die ein schnelles Betrachten von allen Seiten und ein Durchlaufen der Darstellung erlauben. Die Verfahren zur Animation von Grafiken erweitern sich sehr schnell und mit der nötigen Rechenleistung läßt sich damit bald die nächste Dimension nutzen.

Diese Dokument ist Teil der Dissertation von Hartmut Pohlheim "Entwicklung und systemtechnische Anwendung Evolutionärer Algorithmen". This document is part of the .
The is not free.
© Hartmut Pohlheim, All Rights Reserved, (hartmut@pohlheim.com).