-
Wie funktionieren Evolutionsverfahren und genetische Algorithmen?
 bilden Evolution im biologischen Sinne nach- Betrachtung einer Menge ("Population") konkurrierender Entwürfe ("Individuen")
- "evolutionäre" Verbesserung der Population durch:
- "Selektion", d.h. Auswahl der besseren Individuen ("Survival-of-the-Fittest"-Prinzip von Darwin)
- "Mutationen", d.h. zufallsgesteuerte Veränderungen
- "Rekombination", d.h. Beteiligung früherer Generationen am Entstehungsprozess neuer Generationen
-
Worin besteht der Unterschied zwischen Evolutionsverfahren und Genetischen Algorithmen?
- In der Beschreibung der Entwürfe/Individuen
- Evolutionsverfahren: Beschreibung ("Kodierung") der Entwürfe durch reelwertige Entwurfsvariablenvektoren mit kontinuierlichen Entwurfsvariablen
- Genetische Algorithmen: Beschreibung ("Kodierung") der Entwürfe/Individuen durch binärwertige Vektoren ("Chromosomen") mit diskreten 0/1-Werten, natürlich können auch reellwertige Entwurfsvariablen näherungsweise binärwertig beschrieben werden.
-
Wie sieht ein Genetischer Algorithmus aus?
- viele unterschiedliche Varianten, je nachdem wie Population betrachtet und behandelt wird und wie "genetische" Selektion, Mutation und Rekombination vorgesehen werden.
- allgemeiner Genetischer Algorithmus:
- bei Selektion: typischerweise "Ranking" und Herausnehmen der weniger guten Individuen aus Population, eventuell Klonen von besonders guten Individuen
- bei Reproduktion: eventuelles direktes Übernehmen der besten Individuen in "Nachfolge-Generation", Bildung von "Eltern-Paaren" und Bildung von Nachkommen durch "Crossover"
- bei Mutationen: verschiedene Zufallsmechanismen und Stärke der Mutation
-
Was sind die Vor- und Nachteile dieser Verfahren?
- relativ leicht zu programmieren/implementieren
- Möglichkeit aus lokalen Optima herauszufinden
- Auffinden von Design-Alternativen
- insbesondere auch für diskrete Probleme geeignet
- in der Regel sehr große Anzahl von Strukturanalysen erforderlich, geringe Effizienz
|
|
