Inhaltsverzeichnis

1 Einleitung

2 Historische Entwicklung

2.1 Erste Arbeiten zu Evolutionären Algorithmen

2.2 Evolutionäre Programmierung

2.3 Evolutionsstrategien

2.4 Genetische Algorithmen

2.5 Evolutionäre Algorithmen heute

3 Aufbau Evolutionärer Algorithmen

3.2.1 Fitneßzuweisung

3.2.2 Fitneßproportionale Selektion

3.2.3 Turnierselektion

3.2.4 Truncation-Selektion

3.2.5 Vergleich der Selektionsverfahren

3.3 Rekombination

3.3.1 Diskrete Rekombination

3.3.2 Rekombination reeller Variablen

3.3.3 Rekombination binärer Variablen (crossover)

3.4.1 Mutation reeller Variablen

3.4.2 Mutation reeller Variablen mit Adaption der Schrittweiten

3.4.3 Mutation binärer Variablen

3.5 Wiedereinfügen (Reinsertion)

3.6 Zusammenfassung

4 Behandlung von Populationen

4.1 Klassifikation von Populationsmodellen

4.2 Globales Modell

4.3 Regionales Modell

4.3.1 Anzahl und Größe der Unterpopulationen

4.3.2 Migrationstopologien

4.3.3 Migrationsintervall und Migrationsrate

4.3.4 Auswahl der Migranten

4.3.5 Ablauf der Migration

4.3.6 Analyse des regionalen Modells

4.4 Lokales Modell

4.4.1 Topologie von Nachbarschaften

4.4.2 Allgemeine Beschreibung von Nachbarschaften

4.4.3 Selektion in Nachbarschaft

4.4.4 Wiedereinfügen in Nachbarschaft

4.4.5 Analyse des lokalen Modells

4.5 Anwendung verschiedener Strategien

4.5.1 Berechnung der Ordnung der Unterpopulationen

4.5.2 Beispiel der Anwendung verschiedener Strategien

4.5.3 Analyse der Anwendung verschiedener Strategien

4.6 Konkurrierende Unterpopulationen

4.6.1 Erfolg der Unterpopulationen

4.6.2 Aufteilung der Ressourcen

4.6.3 Umsetzung der Verteilung der Ressourcen

4.6.4 Beispiel des Einsatzes konkurrierender Unterpopulationen

4.6.5 Analyse der konkurrierenden Unterpopulationen

4.7 Zusammenfassung

5 Visualisierung Evolutionärer Algorithmen

5.1 Systematisierung

5.1.1 Kriterien der Systematisierung

5.1.2 Daten zur Visualisierung

5.1.3 Schema der Systematisierung

5.2 Eigenschaften einer Population über mehrere Generationen (Globale Eigenschaften)

5.2.1 Zielfunktionswert des besten Individuums der Population (Konvergenzdiagramm)

5.2.2 Variablen des jeweils besten Individuums einer Population

5.2.3 Zielfunktionswerte (Güte) aller Individuen über mehrere Generationen

5.2.4 Position und Größe der Unterpopulationen

5.3 Eigenschaften einer Population in einer Generation (Lokale Eigenschaften)

5.3.1 Variablen aller Individuen einer Generation

5.3.2 Zielfunktionswerte aller Individuen einer Generation

5.3.3 Distanzverteilung und Distanzkarten der Individuen einer Generation

5.4 Eigenschaften der Zielfunktion

5.4.1 Direkte Darstellung der Zielfunktion

5.4.2 Fitneß-Distanz-Verteilung

5.4.3 Visualisierung problemspezifischer Daten und Ergebnisse

5.5 Hochdimensionale Visualisierung

5.6 Protokollierung von Daten und Ergebnissen

5.7 Zusammenfassung und Ausblick

6 Genetic and Evolutionary Algorithm Toolbox for use with Matlab

6.1 Aufbau und Struktur der GEA Toolbox

6.2 Anwenderschnittstelle - Scriptfunktionen

6.3 Vordefinierte Algorithmen - Toolboxfunktionen

6.4 Zentralfunktion

6.4.1 Initialisierung

6.4.2 Fitneßzuweisung

6.4.3 Selektion

6.4.4 Rekombination

6.4.6 Wiedereinfügen

6.4.7 Migration - regionales Modell

6.4.8 Konkurrenz zwischen Unterpopulationen

6.4.9 Visualisierung

6.4.10 Protokollierung

6.4.11 Terminierung

6.5 Zielfunktionen und Beispiele

6.6 Einbeziehung problemspezifischen Wissens

6.7 Dokumentation

6.8 Zusammenfassung und Ausblick

7 Anwendung Evolutionärer Algorithmen

7.1 Steuerung des Klimas in einem Gewächshaus für die Gemüseproduktion

7.1.1 Einleitung

7.1.2 Kurzbeschreibung des Gewächshausklimamodells

7.1.3 Repräsentation der Individuen und Zielfunktion

7.1.4 Einbeziehung problemspezifischen Wissens

7.1.5 Ergebnisse: Optimale Steuerung für durchschnittliche Tage

7.1.6 Ergebnisse: Optimale Steuerung bei veränderten Preisen

7.1.7 Ergebnisse: Optimale Steuerung unter Verwendung realer Wetterdaten

7.1.8 Zusammenfassung und Ausblick

7.2 Optimierung eines Gleichstrom-Stellers

7.2.1 Kurzbeschreibung des Systems

7.2.2 Symmetrieeigenschaften der Rückführungsmatrizen

7.2.3 Zielfunktion für die Optimierung

7.2.4 Verwendetes Optimierungsverfahren

7.2.5 Einbringen von problemspezifischem Wissen

7.2.6 Standardlösung für die lineare Zustandsrückführung

7.2.7 Ergebnisse der Optimierung

7.2.8 Zusammenfassung Chopper

7.3 Zusammenfassung

8 Schlußbetrachtungen

8.1 Zusammenfassung

9 Verzeichnisse

9.1 Literaturverzeichnis

9.1.1 Evolutionäre Algorithmen

9.1.2 Behandlung von Populationen - Parallele Modelle

9.1.3 Visualisierung

9.1.4 Polyploidie bei Evolutionären Algorithmen

9.1.5 Biologie, Genetik und Populationsgenetik

9.1.6 Pflanzenwachstum und Gewächshaus

9.2 Abbildungsverzeichnis

9.3 Tabellenverzeichnis

A.1 Abkürzungsverzeichnis

A.3 Gewächshaus- und Pflanzenmodell

A.3.1 Zustandsgleichungen des Gewächshauses

A.3.2 Zustandsgleichungen des Pflanzenmodells (Paprika)

A.3.3 Biomasse und Gewinn

A.3.4 Beschränkungen

A.4 Gleichstrom-Steller - Szenarien der Simulation

Zusammenfassung der Dissertation von Hartmut Pohlheim
,,Entwicklung und systemtechnische Anwendung Evolutionärer Algorithmen"

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).