BlueM - User contributions [en]

Talk:OPT-file

2009-06-24T13:13:19Z

Kerber:

Neues Format durch MPC:

<pre>
*|--------------|-------|-----------|--------|--------|-----------|----------|-----------|
*| Bezeichnung | Einh. | Anfangsw. | Min | Max | Beziehung | Objekt | Zeitpunkt |
*|-<---------->-|-<--->-|-<------->-|-<---->-|-<---->-|-<------->-|-<------>-|-<------->-|
| B100Pp_T0 | - | 0.23 | 0.01 | 1 | | B100Pp | 0 |
| B100Pp_T1 | - | 0.85 | 0.01 | 1 | | B100Pp | 1 |
| B100Pp_T2 | - | 0.07 | 0.01 | 1 | | B100Pp | 2 |
| B100Pp_T3 | - | 0.24 | 0.01 | 1 | | B100Pp | 3 |
| B100Pp_T4 | - | 0.20 | 0.01 | 1 | | B100Pp | 4 |
| B100Pp_T5 | - | 0.20 | 0.01 | 1 | | B100Pp | 5 |
| B200Pp_T0 | - | 0.99 | 0.01 | 1 | | B200Pp | 0 |
| B200Pp_T1 | - | 0.95 | 0.01 | 1 | | B200Pp | 1 |
| B200Pp_T2 | - | 0.98 | 0.01 | 1 | | B200Pp | 2 |
| B200Pp_T3 | - | 0.98 | 0.01 | 1 | | B200Pp | 3 |
| B200Pp_T4 | - | 0.98 | 0.01 | 1 | | B200Pp | 4 |
| B200Pp_T5 | - | 0.98 | 0.01 | 1 | | B200Pp | 5 |
*|--------------|-------|-----------|--------|--------|-----------|----------|-----------|

</pre>
Objekt(String) -> Logische Gruppierung der Optimierungsvariablen
Zeitpunkt(Integer) -> Zeitliche Gruppierung der Optimierungsvariablen

Talk:OPT-file

2009-06-24T13:12:17Z

Kerber: Created page with 'Neues Format durch MPC: *|--------------|-------|-----------|--------|--------|-----------|----------|-----------| *| Bezeichnung | Einh. | Anfangsw. | Min | Max | Bezieh…'

Neues Format durch MPC:

*|--------------|-------|-----------|--------|--------|-----------|----------|-----------|
*| Bezeichnung | Einh. | Anfangsw. | Min | Max | Beziehung | Objekt | Zeitpunkt |
*|-<---------->-|-<--->-|-<------->-|-<---->-|-<---->-|-<------->-|-<------>-|-<------->-|
| B100Pp_T0 | - | 0.23 | 0.01 | 1 | | B100Pp | 0 |
| B100Pp_T1 | - | 0.85 | 0.01 | 1 | | B100Pp | 1 |
| B100Pp_T2 | - | 0.07 | 0.01 | 1 | | B100Pp | 2 |
| B100Pp_T3 | - | 0.24 | 0.01 | 1 | | B100Pp | 3 |
| B100Pp_T4 | - | 0.20 | 0.01 | 1 | | B100Pp | 4 |
| B100Pp_T5 | - | 0.20 | 0.01 | 1 | | B100Pp | 5 |
| B200Pp_T0 | - | 0.99 | 0.01 | 1 | | B200Pp | 0 |
| B200Pp_T1 | - | 0.95 | 0.01 | 1 | | B200Pp | 1 |
| B200Pp_T2 | - | 0.98 | 0.01 | 1 | | B200Pp | 2 |
| B200Pp_T3 | - | 0.98 | 0.01 | 1 | | B200Pp | 3 |
| B200Pp_T4 | - | 0.98 | 0.01 | 1 | | B200Pp | 4 |
| B200Pp_T5 | - | 0.98 | 0.01 | 1 | | B200Pp | 5 |
*|--------------|-------|-----------|--------|--------|-----------|----------|-----------|

Objekt(String) -> Logische Gruppierung der Optimierungsvariablen
Zeitpunkt(Integer) -> Zeitliche Gruppierung der Optimierungsvariablen

MO Indicators

2009-03-16T11:32:09Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

<div style="float:right; margin-left:10px;">__TOC__</div>

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen und Solutionvolume.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung{{:Literatur:Kerber_2009|}}.

=== Bestimmung ===

Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

=== Aussage ===

Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:

* Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.
* Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität. Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.
* Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

==Solutuionvolume2==

Solutionvolume2 ist eine Weiterentwicklung von Solutionvolume. Das manuelle Setzen eines Basispunktes entfällt. Die Berechnung basiert auf dem Vergleich zweier Indikatorwerte über 'historylength' Generationen.

Der erste Wert stellt den Abstand zwischen zwei Durchschnittsindividuen zweier aufeinanderfolgender Generationen dar.
Der zweite Wert stellt die Distanzsumme der Individuen einer Generation zum jeweiligen Durchschnittsindividuum dar.

Basierend auf diesen Werten über mehrere Generationen summiert kann eine gravierende und dauerhafte Änderung der Indikatorwerte leicht festgestellt werden. Der Wert 'faktor2switch' definiert für jeden der beiden Indikatoren den Schwellenwert ab wann eine Umschaltung vom System vorgeschlagen wird. Dabei gilt Umschaltung = (MaximalIndikator/'faktor2switch' > IndikatorAktuell)

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

MetaEvo

2009-02-19T13:35:53Z

Kerber: /* Kurzbeschribung */

{{BlueM.Opt nav}}

MetaEvo ist ein multi-kriterieller, hybrider Optimierungsalgorithmus{{:Literatur:Kerber_2009|}}.

* ''Kurzbeschreibung der Funktionalität''
* ''Anwendungshinweise''
* ''TODO?''

== Kurzbeschribung ==
MetaEvo ermöglicht das sequentielle Nutzen von zwei Optimierungsabschnitten. Dabei wird eine globale und lokale Optimierung unterscheiden:

== Globale Optimierung ==

Die globale Optimierung nutzt mehrere, parallel ausgeführte, evolutionäre Algorithmen. Das Austauschen, Erweitern oder Verringern dieser Menge ist leicht möglich. Basiered auf dem Erfolg eines Algorithmus (d.h. hohe Überlebensrate der erzeugten Individuen nach der Selektion) wird die Menge der neu zu erzeugenden Individuen in der nächsten Generation bestimmt. Dieses System der Initiative ermöglicht es dem Meta-Algorithmus auf das gegebene Problem zu reagieren sowie zeitliche Änderungen ind er Berechnungsituation mit einzubeziehen.

== Umschaltpunkt ==

Nachdem sich die Effektivität der globalen Optimierung durch Annäherung an die Paretofront der optimalen Lösungen verringert hat (Prüfung mit Solutionvolume), wird zur lokalen Optimierung umgeschaltet. Es besteht weiter die Möglichkeit den Umfang der nun folgende, lokale Optimierung durch die Reduzierung der gewünschten Lösungen zu beeinflussen.

== Lokale Optimierung ==

Für die lokale Optimierung wir der Algorithmus nach Hook&Jeeves genutzt. Die im Umschaltpunkt definierte Anzahl an Lösungen stellt die Anzahl der parallel ablaufenden, separaten Hook&Jeeves-Prozesse dar. Für jeden Prozess wird die nötige, feste Gewichtung der verschiedenen Zielfunktionen, basierend auf der Positionierung der Individuen zueinander im Lösungsraum zum Umschaltzeitpunkt gesetzt.

==Literaturangaben==
<references/>

[[Kategorie:EVO]]

MetaEvo

2009-02-19T13:34:45Z

Kerber: /* Literaturangaben */

{{BlueM.Opt nav}}

MetaEvo ist ein multi-kriterieller, hybrider Optimierungsalgorithmus{{:Literatur:Kerber_2009|}}.

* ''Kurzbeschreibung der Funktionalität''
* ''Anwendungshinweise''
* ''TODO?''

== Kurzbeschribung ==
MetaEvo ermöglicht das sequentielle Nutzen von zwei Optimierungsabschnitten. Dabei wird eine globale und lokale Optimierung unterscheiden:

'''Globale Optimierung:'''

Die globale Optimierung nutzt mehrere, parallel ausgeführte, evolutionäre Algorithmen. Das Austauschen, Erweitern oder Verringern dieser Menge ist leicht möglich. Basiered auf dem Erfolg eines Algorithmus (d.h. hohe Überlebensrate der erzeugten Individuen nach der Selektion) wird die Menge der neu zu erzeugenden Individuen in der nächsten Generation bestimmt. Dieses System der Initiative ermöglicht es dem Meta-Algorithmus auf das gegebene Problem zu reagieren sowie zeitliche Änderungen ind er Berechnungsituation mit einzubeziehen.

'''Umschaltpunkt:'''

Nachdem sich die Effektivität der globalen Optimierung durch Annäherung an die Paretofront der optimalen Lösungen verringert hat (Prüfung mit Solutionvolume), wird zur lokalen Optimierung umgeschaltet. Es besteht weiter die Möglichkeit den Umfang der nun folgende, lokale Optimierung durch die Reduzierung der gewünschten Lösungen zu beeinflussen.

'''Lokale Optimierung:'''

Für die lokale Optimierung wir der Algorithmus nach Hook&Jeeves genutzt. Die im Umschaltpunkt definierte Anzahl an Lösungen stellt die Anzahl der parallel ablaufenden, separaten Hook&Jeeves-Prozesse dar. Für jeden Prozess wird die nötige, feste Gewichtung der verschiedenen Zielfunktionen, basierend auf der Positionierung der Individuen zueinander im Lösungsraum zum Umschaltzeitpunkt gesetzt.

==Literaturangaben==
<references/>

[[Kategorie:EVO]]

MO Indicators

2009-02-19T13:05:41Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung. {{:Literatur:Kerber_2009}}

''' Bestimmung '''

Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

''' Aussage '''

Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:

- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.

- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität. Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.

- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

MO Indicators

2009-02-19T13:03:05Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung.

''' Bestimmung '''

Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

''' Aussage '''

Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:

- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.

- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität. Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.

- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

MO Indicators

2009-02-19T13:01:14Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung.

''' Bestimmung '''

Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

''' Aussage '''

Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:

- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.

- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität.(1)

- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

(1)Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

MO Indicators

2009-02-19T13:00:16Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung.

''' Bestimmung '''

Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

''' Aussage '''

Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:
- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.
- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität.*
- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

*Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

MO Indicators

2009-02-19T12:59:36Z

Kerber: /* Solutionvolume */

{{BlueM.Opt nav}}

EVO.MO_Indicators ist eine Assembly zur Berechnung von Multi-Objective Indikatoren wie Hypervolumen, etc.

==Hypervolumen==
<blockquote>The size of the objective value space covered by a set of nondominated solutions.</blockquote>
:— ''{{:Literatur:Zitzler-Thiele_1998}}

Implementierung in BlueM.Opt basiert auf dem [http://www.tik.ee.ethz.ch/sop/pisa/?page=assessment.php PISA Performance Assessment Package].

Der Nadir-Punkt, der als Ausgangspunkt für die Hypervolumenberechnung dient, wird vor jeder Berechnung (i.d.R. bei jeder neuen Generation) automatisch so verschoben, dass keine negativen Abstände zwischen dem Nadir-Punkt und den nicht-dominierten Lösungen auftreten - dies kann zu Sprüngen im Hypervolumen führen.

Weitere Literatur:
* more detailed discussion: {{:Literatur:Zitzler-et-al_2003}}
* generalization to arbitrary weight distribution functions: {{:Literatur:Zitzler-et-al_2007}}

==Solutionvolume==

Solutionvolume ist ein Indikatorwert für eine Individuenmenge im Werteraum einer (multikriteriellen) Problemstellung.

''' Bestimmung '''
Für ein Individuen wird die quadrierte Summe eines jeden Zielwertfunktionswertes (in Differenz zu einem Offsetpunkt) bestimmt. Anschliessend wird dieser Vorgang für alle Individuen wiederholt, alle Werte der einzelnen Individuen ebenfalls summiert und durch die Anzahl der Individuen geteilt. Das Resultat ist also ein Indikatorwert einer Menge von Individuen, unabhängig von deren Anzahl.

''' Aussage '''
Das Solutionvolume bietet beim Vergleich einer Individuenmenge über mehrere Generationen die Möglichkeit festzustellen, in wie weit eine Entwicklung stattfindet. Bei der Anwendung auf den Genpool jeder neuen Generation sind folgende Schlüsse zu ziehen:
- Ist der neue Wert des Solutionvolumes niedriger als der vorherige, entwickelt sich die Paretofront in Richtung des Offsetpunktes.
- Ist der neue Wert höher als der vorherige, besitzt die neue Generation wahrscheinlich eine höhere Diversität.*
- Bleibt der Wert in etwa konstant, können die genutzten Algorithmen keine effiziente Verbesserung im Sinne des Dominanzkriteriums bewirken.

*Dies gilt nur, wenn die Selektion zuverlässig keine schlechteren Individuen als die bestehenden in den Genpool übernimmt.

==Literaturangaben==
<references/>

[[Kategorie:EVO Code]]

BlueM.Opt Begriffsklärung

2008-09-02T12:47:12Z

Kerber: /* Individuum */

<div style="float:right; margin-left:10px;">__TOC__</div>
[[Bild:MOP.png|thumb|center|400px|Multikriterielles Optimierungsproblem ({{:Literatur:Muschalla_2006}})]]

==Parameterraum==
Auch ''Entscheidungsraum''. Summe der Modellparameter über alle Genotypen

==Lösungsraum==
Summe der Features über alle Phänotypen

==Phänotypen==
Überbegriff für die evaluierten Merkmale eines Individuums.

===Features===
Merkmale eines Individuums, die über Feature Functions anhand des Evaluierungsergebnisses berechnet werden.

===Penalties===
Eine Untermenge der Features. Penalties sind diejenigen Merkmale, die vom Algorithmus für die Optimierung herangezogen werden (Zielfunktionen).

===Constraints===
Merkmale, die angeben, ob, und wenn ja um wieviel, ein Individuum Randbedingungen verletzt hat.

==Genotypen==
Die genetische Ausstattung eines Individuums

===OptParameter===

===Modellparameter===

==Individuum==
Enthält
* Genotyp-Werte (ein Satz von OptParametern)
* Phänotyp-Werte (nachdem das Individuum evaluiert wurde)
* zusätzliche, intern in der Optimierung verwendete Eigenschaften (z.B. Schrittweite)

'''Generation'''
* Mehrere Individuen

'''Population'''
* Mehrere Generationen zeitlich hintereinander

==Literaturangaben==
<references/>

[[Kategorie:EVO]]