PES: Difference between revisions

From BlueM
Jump to navigation Jump to search
No edit summary
Line 1: Line 1:
__NOTOC__
{{EVO.NET_nav}}
{{EVO.NET_nav}}
<div style="float:right; margin-left:10px">__TOC__</div>
[[Bild:EVO Box screenshot.png|thumb|Screenshot einer PES Optimierung (Testproblem 'Box')]]
==Beschreibung==
'''Parametric Evolution Strategy''' (PES) ist eine multikriterielle Evolutionsstrategie nach {{:Literatur:Rechenberg_1994|Rechenberg}} und {{:Literatur:Schwefel_1995|Schwefel}}, modifiziert von {{:Literatur:Muschalla_2006}}. Siehe auch {{:Literatur:Deb_2001}}.


==Parametrische Evolutionsstrategie (PES)==
==Erforderliche Eingabedateien==
[[Bild:EVO Box screenshot.png|thumb|left|Screenshot einer PES Optimierung (Testproblem 'Box')]]
Evolutionsstrategie nach {{:Literatur:Rechenberg_1994|Rechenberg}} und {{:Literatur:Schwefel_1995|Schwefel}}, modifiziert von {{:Literatur:Muschalla_2006}}.<br clear="left"/>
 
===Erforderliche Eingabedateien===
* [[OPT-Datei]]
* [[OPT-Datei]]
* [[MOD-Datei]]
* [[MOD-Datei]]
Line 13: Line 12:
* [[CON-Datei]]
* [[CON-Datei]]


===Einstellungen===
==Einstellungen==
{| class="standard" cellpadding="5" cellspacing="0" border="1"
{| class="standard" cellpadding="5" cellspacing="0" border="1"
|-  
|-  
Line 63: Line 62:
|}
|}


==Literatur==
==Literaturangaben==
<references/>
<references/>


[[Kategorie:EVO]]
[[Kategorie:EVO]]

Revision as of 08:55, 17 December 2008

EVO.png BlueM.Opt | Download | Usage | Development

Screenshot einer PES Optimierung (Testproblem 'Box')

Beschreibung

Parametric Evolution Strategy (PES) ist eine multikriterielle Evolutionsstrategie nach Rechenberg[1] und Schwefel[2], modifiziert von Muschalla (2006)[3]. Siehe auch Deb (2001)[4].

Erforderliche Eingabedateien

Optional:

Einstellungen

Einstellung Optionen Bedeutung
Selektion
(EVO_STRATEGIE)
Plus_Strategie Die Selektion erfolgt aus der Menge der Eltern und der Nachfolger
Komma_Strategie Die Selektion erfolgt nur aus der Menge der Nachfolger
Startwerte
(EVO_STARTPARAMETER)
Zufall Zufällige Startparameter
Original Vorgegebene Startwerte
Mutation
(EVO_DNMutation)
Rechenberg Mutation nach Rechenberg[1]
Schwefel Mutation nach Schwefel[2] (aktuellerer Ansatz)
Startschrittweite
(DnStart)
0.01 - 1 Startschrittweite für die Parametervariation
mit Schrittweitenvektor
(is_DnVektor)
ja/nein bei ja bekommt jeder Parameter eine eigene Schrittweite
... ... ...
Ermitteln der Eltern
(EVO_ELTERN)
Siehe Bug 262!
Selektion Ein Individuum wird zufällig mit allen Parametern als Elter aus dem Bestwertspeicher ausgewählt
XX_Diskret Jede Parameterwert-Schrittweiten-Kombination wird zufällig aus allen Individuen des Bestwertspeichers ausgewählt
XX_Mitteln Jede Parameterwert-Schrittweiten-Kombination wird über alle Individuen des Bestwertspeichers gemittelt
XY_Diskret Jede Parameterwert-Schrittweiten-Kombination wird zufällig aus y Individuen des Bestwertspeichers ausgewählt
XY_Mitteln Jede Parameterwert-Schrittweiten-Kombination wird aus y Individuen des Bestwertspeichers gemittelt
XX_Mitteln_Diskret Jeder Parameterwert wird zufällig aus allen Individuen des Bestwertspeichers ausgewählt
Jede Schrittweite wird über alle Individuen des Bestwertspeichers gemittelt
XY_Mitteln_Diskret Jeder Parameterwert wird zufällig aus y Individuen des Bestwertspeichers ausgewählt
Jede Schrittweite wird über y Individuen des Bestwertspeichers gemittelt
Neighbourhood siehe Muschalla (2006)[3] (nur bei MultiObjective)
X/_-Rekombination
(n_RekombXY)
1 - 100 Die Anzahl der Individuen die zur Rekombination herangezogen werden (nur bei Rekombination x/y)
Tournament Selection
(is_diversity_tournament)
ja/nein Zur Ermittlung der zur Rekombination herangezogenen Individuen werden zunächst für jeden zu ermittelnden Elter zwei Individuen aus dem Bestwertspeicher zufällig ausgewählt. Das Individuum mit dem besseren Diversitätswert wird zum Elter. (nur bei Rekombination x/y)

Literaturangaben

  1. 1.0 1.1 Rechenberg, I. (1994): Evolutionsstrategie '94. Werkstatt Bionik und Evolutionstechnik, Band 1. Stuttgart: Frommann-Holzboog.
  2. 2.0 2.1 Schwefel, Hans-Paul (1993): Evolution and Optimum Seeking, John Wiley & Sons, Inc.
  3. 3.0 3.1 Muschalla, Dirk (2006): Evolutionäre multikriterielle Optimierung komplexer wasserwirtschaftlicher Systeme. PhD thesis, Vol. 137/2006, Technische Universität Darmstadt, Mitteilungen des Instituts für Wasserbau und Wasserwirtschaft, Fachgebiet für Ingenieurhydrologie und Wasserbewirtschaftung.
  4. Deb, Kalyanmoy (2001): Multi-Objective Optimization using Evolutionary Algorithms, Chichester: Wiley, ISBN 047187339X