Angaben aus der Verlagsmeldung

Ein generischer Ansatz zur vereinheitlichten strukturellen und funktionalen Modellierung Evolutionärer Algorithmen / von Andreas Rummler


Evolutionäre Algorithmen (EA) gehören zur Klasse der stochastischen Optimierungsverfahren und nehmen das Prinzip der biologischen Evolution als Vorbild, um mathematische Optimierungsprobleme zu lösen. Zu ihren Eigenschaften zählen parallele Suche, Anwendbarkeit bei nichtlinearen und diskontinuierlichen Problemen sowie selbstständige Umgehung lokaler Optima. Der Entwurf eines performanten EA für eine gegebene Problemstellung ist jedoch aufgrund des Fehlens einer geschlossenen Theorie jedoch nicht trivial. Daher besteht ein nicht unwesentlicher Teil der Arbeit eines Algorithmenentwicklers im Experimentieren mit genetischen Operatoren und ihrem Zusammenspiel. In dieser Arbeit wird ein Werkzeug zur rechnergestützten Realisierung von EA vorgestellt. Unter Einsatz moderner Objekt- und Komponententechnologien wird ein generisches objektbasiertes Modell für Evolutionäre Algorithmen vorgeschlagen. Der diskutierte Ansatz umfaßt dabei die vollständige Modellierung von Algorithmen, Operatoren, der zugrundeliegenden Datenbasis sowie der gegenseitigen Interaktion und Wechselwirkungen. Der praktische Einsatz der prototypischen Implementierung wird anhand von Beispielen aus dem Bereich des automatisierten Entwurfs elektronischer Schaltungen sowie der Bioinformatik aufgezeigt.