Optimierungsmethoden
Ausgangslage
Viele praktische Probleme sind insofern schwierig, als dass sie zu komplex sind, um in nützlicher Zeit gelöst zu werden. Zu dieser Problemklasse gehören viele Optimierungsaufgaben. Für praktische Anwendungen ist es oft genügend, die tatsächliche Lösung hinreichend gut anzunähern. Dafür bieten sich verschiedene Optimierungs-methoden an.
Genetische Algorithmen (GA)
Genetische Algorithmen sind stochastische Suchverfahren, die Optimierungsstrategien der Natur kopieren, abstrahieren und auf das zu lösende Problem anpassen. GA funktionieren nach den Prinzipien der biologischen Evolution (Darwinismus): Eine Menge von Lösungskandidaten wird als Ausgangspopulation erzeugt und anschliessend einer simulierten Evolution unterzogen. Die Lösungskandidaten pflanzen sich fort und unterliegen einem Selektionsdruck, der dafür sorgt, dass die Qualität des geeignetsten Individuums von Generation zu Generation zunimmt oder zumindest nicht abnimmt. Schlechte Lösungen sterben aus, die besten überleben. Lösungen werden zufällig gekreuzt (rekombiniert) und vereinzelt mutiert.
Realisierte und laufende Projekte
- Routenplanung für Inspektionsfahrten
- Optimierung von Projektplänen
- Optimierung von Fussgängerströmen
- Optimierung von Stanzwerkzeugen
- Generator von graphischen Logos