1 / 10

Mehrkriterielle Optimierung mit Metaheuristiken (Vorlesung)

Sommersemester 2006. Mehrkriterielle Optimierung mit Metaheuristiken (Vorlesung). Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering (LS XI) FG Computational Intelligence. Präludium: Organisatorisches. Termin: Montags, 14:15-15:45 Uhr

heller
Download Presentation

Mehrkriterielle Optimierung mit Metaheuristiken (Vorlesung)

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sommersemester 2006 Mehrkriterielle Optimierung mit Metaheuristiken (Vorlesung) Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering (LS XI) FG Computational Intelligence

  2. Präludium: Organisatorisches Termin: Montags, 14:15-15:45 Uhr Ort: OH 16, Raum 2.05 Skript: ja, aber später (zunächst nur Folien) Übung: leider keine Leistungsnachweis: Fachgespräch Schwerpunkte DPO ’01: 6 (CI & NC) und 7 (Intelligente Systeme) Sprechstunde: nach Vereinbarung (Tel.: 7702) Guenter.Rudolph@uni-dortmund.de OH 14, Raum 2.32 Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  3. Kapitel 1: Einleitung Multikriterielle Optimierung: Optimierung unter mehrfacher Zielsetzung, wobei Ziele meist in Konflikt stehen und inkommensurabel (= unvergleichbar bzgl. Maß) sind → Optimalitätsbegriff? → Lösungsbegriff? Metaheuristik: Iterative Rahmenstrategie, die Operationen untergeordneter Heuristiken durch intelligente Kombination intelligenter Konzepte steuert → meist auf große Anzahl von Problemen anwendbar → ist ein Lösungskonzept → instantiiert auf spezielles Problem: Lösungsmethode Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  4. Kapitel 1: Einleitung Beispiel: Autokauf (gebraucht) → Min! → Min! → Max! 3 Ziele, 4 Alternativen → beste Alternative? Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  5. a b Kapitel 1: Einleitung Beispiel: Design eines Hohlbalkens Gewicht → min! Durchbiegung → min! Lastvektor (1000 N) 1 m a2 – b2 → min! 1000 + [32 x 108 x (a4 – b4)] -1 → min! 0 ≤ b ≤ b + 0,04 ≤ a und a ≤ 0,1 Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  6. Kapitel 1: Einleitung Beispiel: Selektion & Klassifikation im Leistungstraining (DDR 1985) Körperbauentwicklungsindex → min!Körperhöhe → max! Körpermasse → max! Handkraft → max! Treibhöhe → max! Schnelligkeit → min! Athletik → max! Zeit über 100m → min! Zeit über 800m → min! Index der Schulterbeweglichkeit → max!Technik → max! Zeit über 100m (Beine) → min! Zeit über 100m (Freistil) → min! Idealvorstellung: biologisch junger Sportler mit höchster Leistungsfähigkeit Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  7. Kapitel 1: Einleitung Beispiel: Wirtschaftspolitik Aus §1 des Gesetzes zur Förderung der Stabilität und des Wachstums der Wirtschaft vom 8. Juni 1967: • Stabilität des Preisniveaus • Hoher Beschäftigungsstand • Außenwirtschaftliches Gleichgewicht • Stetiges Wirtschaftswachstum „Magisches Viereck“ Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  8. Kapitel 1: Einleitung Beispiel: Brennstabwechselproblem (1994f.): gleichmäßiger Abbrand → max. hohe Energieleistung → max. heiße / aktive Stäbe kalte / inaktive Stäbe Brennstabauswahl, -position und –orientierung → Simulator Simulator rechnet … (damals ca. 60s) → Ausgabe: 2 Werte Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  9. Kapitel 1: Einleitung Häufig im Bereich technischer Anwendungen: Belegung der Entscheidungsvariablen Metaheuristiken Optimierer Simulator Ausgabe der Zielgrößen Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

  10. Kapitel 1: Einleitung • Gliederung • Grundlagen (Relationen) • Pareto Optimalität und Effizienz • Analytische Lösung • Klassische Methoden • Metaheuristiken • Simulated Annealing • Tabu Search • Evolutionäre Algorithmen • Schwarmverfahren (Ameisen etc.) • Kulturelle Algorithmen • u.a. Rudolph: MOMH (SS 2006) ● Kap. 1: Einleitung

More Related