MetaEvo - Revision history

Froehlich: category

2018-01-22T11:04:43Z

Froehlich: Umbenennung EVO.NET -> BlueM.Opt

2009-03-26T11:48:34Z

Umbenennung EVO.NET -> BlueM.Opt

← Older revision		Revision as of 04:48, 26 March 2009
Line 26:		Line 26:
	<references/>		<references/>

	[[Kategorie:~~EVO~~]]		[[Kategorie:BlueM.Opt Anwendung]]

Heusch at 11:27, 20 March 2009

2009-03-20T11:27:33Z

← Older revision		Revision as of 04:27, 20 March 2009
Line 8:		Line 8:


	== ~~Kurzbeschribung~~ ==		== Kurzbeschreibung ==
	MetaEvo ermöglicht das sequentielle Nutzen von ~~zwei Optimierungsabschnitten~~. ~~Dabei wird eine~~ globale und lokale Optimierung ~~unterscheiden:~~		MetaEvo ermöglicht das sequentielle Nutzen von globalen und lokalen Optimierungsverfahren. Die globale Optimierung erfolgt mit Hilfe der Evolutionsstrateigen einschließlich dynamischer Verwendung verschiedener Algorithmen für Mutation und Selektion. Die lokale Optimierung basiert auf dem Algorithmus von Hook & Jeeves.

	== Globale Optimierung ==		== Globale Optimierung ==

Froehlich: /* Lokale Optimierung */

2009-02-23T11:56:57Z

Lokale Optimierung

← Older revision		Revision as of 04:56, 23 February 2009
Line 21:		Line 21:
	== Lokale Optimierung ==		== 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.		Für die lokale Optimierung wir der Algorithmus nach [[Hooke & Jeeves]] genutzt. Die im Umschaltpunkt definierte Anzahl an Lösungen stellt die Anzahl der parallel ablaufenden, separaten Hooke & 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==		==Literaturangaben==

Froehlich: /* Umschaltpunkt */

2009-02-23T08:53:18Z

Umschaltpunkt

← Older revision		Revision as of 01:53, 23 February 2009
Line 17:		Line 17:
	== Umschaltpunkt ==		== 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.		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 ==		== Lokale Optimierung ==

Kerber: /* Kurzbeschribung */

2009-02-19T13:35:53Z

Kurzbeschribung

← Older revision		Revision as of 06:35, 19 February 2009
Line 11:		Line 11:
	MetaEvo ermöglicht das sequentielle Nutzen von zwei Optimierungsabschnitten. Dabei wird eine globale und lokale Optimierung unterscheiden:		MetaEvo ermöglicht das sequentielle Nutzen von zwei Optimierungsabschnitten. Dabei wird eine globale und lokale Optimierung unterscheiden:

	~~'''~~Globale Optimierung~~:'''~~		== 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.		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~~:'''~~		== 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.		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~~:'''~~		== 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.		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.

Kerber: /* Literaturangaben */

2009-02-19T13:34:45Z

Literaturangaben

@@ Line 6: / Line 6: @@
 * ''Anwendungshinweise''
 * ''TODO?''
 ==Literaturangaben==

Froehlich: Die Seite wurde neu angelegt: {{BlueM.Opt nav}} MetaEvo ist ein multi-kriterieller, hybrider Optimierungsalgorithmus{{:Literatur:Kerber_2009|}}. * ''Kurzbeschreibung der Funktionalität'' * ''Anwe...

2009-02-17T17:10:36Z

Die Seite wurde neu angelegt: {{BlueM.Opt nav}} MetaEvo ist ein multi-kriterieller, hybrider Optimierungsalgorithmus{{:Literatur:Kerber_2009|}}. * ''Kurzbeschreibung der Funktionalität'' * ''Anwe...

New page

{{BlueM.Opt nav}}

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

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

==Literaturangaben==
<references/>

[[Kategorie:EVO]]

← Older revision		Revision as of 04:04, 22 January 2018
Line 26:		Line 26:
	<references/>		<references/>

	[[Kategorie:BlueM.Opt ~~Anwendung~~]]		[[Kategorie:BlueM.Opt]]