Einführung in Evolutionäre Algorithmen

Optimierung nach dem Vorbild der Evolution

Volker Nissen (Autor)

Buch | Softcover

X, 345 Seiten

1997 | 1997
Vieweg & Teubner (Verlag)
978-3-528-05499-1 (ISBN)

Artikel merken

Dieses Lehrbuch aus dem KI-Themenfeld richtet sich an Wirtschaftsinformatiker und Informatiker, ferner an Ingenieure und OR-Spezialisten. Es bietet eine umfassende methodisch orientierte Einführung in das Optimieren mit Evolutionären Algorithmen. Dazu gehören vor allem Genetische Algorithmen, Evolutionsstrategien, Genetische bzw. Evolutionäre Programmierung. Wichtige Ergebnisse der Theorie werden in gut verständlicher Form wiedergegeben. Zahlreiche Abbildungen und Beispiele sowie Hinweise auf Quellen im Internet und Testdaten ergänzen den Text. Das Buch kann als Grundlage zur Entwicklung eigener Anwendungen dienen oder als begleitender Text für Lehrveranstaltungen.

Dr. Volker Nissen ist wissenschaftlicher Assistent am Institut für Wirtschaftsinformatik der Georg-August-Universität Göttingen. Er ist Mitherausgeber der IEEE Transactions on Evolutionary Computation und publizierte zwei Bücher sowie diverse Fachbeiträge zu Evolutionären Algorithmen. Dr. Nissen ist Sprecher des Arbeitskreises Softcomputing in der Betriebswirtschaft der AG Fuzzy Logik und Softcomputing Norddeutschland.

1 Überblick und thematische Einordnung.- 1.1 Grundelemente der Evolutionstheorie.- 1.2 Zur Historie der Evolutionären Algorithmen.- 1.3 Wichtige Fachbegriffe und allgemeines EA-Ablaufschema.- 1.4 Thematische Einordnung.- 1.5 Literatur zum Kapitel 1.- 1.6 Aufgaben zum Kapitel 1.- 2 Genetische Algorithmen.- 2.1 Grundkonzept.- 2.2 Erweiterungen.- 2.3 Ausgewählte Ergebnisse der GA-Theorie.- 2.4 Literatur zum Kapitel 2.- 2.5 Aufgaben zum Kapitel 2.- 3 Genetische Programmierung.- 3.1 Grundkonzept.- 3.2 Erweiterungen.- 3.3 Ausgewählte Ergebnisse der GP-Theorie.- 3.4 Literatur zum Kapitel 3.- 3.5 Aufgaben zum Kapitel 3.- 4 Evolutionsstrategien.- 4.1 Grundkonzept.- 4.2 Erweiterungen.- 4.3 Ausgewählte Ergebnisse der ES-Theorie.- 4.4 Literatur zum Kapitel 4.- 4.5 Aufgaben zum Kapitel 4.- 5 Evolutionäre Programmierung.- 5.1 Grundkonzept.- 5.2 Erweiterungen.- 5.3 Ausgewählte Ergebnisse der EP-Theorie.- 5.4 Literatur zum Kapitel 5.- 5.5 Aufgaben zum Kapitel 5.- 6 EA nah verwandte Optimierungsmethoden.- 6.1 Simulated Annealing.- 6.2 Threshold Accepting.- 6.3 Sintflut-Algorithmus und Record-to-Record-Travel.- 6.4 Bezüge der hier dargestellten Methoden zu EA.- 6.5 Literatur zum Kapitel 6.- 6.6 Aufgaben zum Kapitel 6.- 7 Vergleich und Beurteilung von EA.- 7.1 Gegenüberstellung der EA-Hauptströmungen.- 7.2 EA als Optimierungsmethode.- 7.3 Einige spezifische Stärken und Schwächen von GP.- 7.4 Parallelisierbarkeit von EA.- 7.5 Rückschlüsse für praktische Optimierungsanwendungen.- 7.6 Literatur zum Kapitel 7.- 7.7 Aufgaben zum Kapitel 7.- 8 Hybridsysteme.- 8.1 Lernende Classifier Systeme.- 8.2 Neuroevolutionäre Systeme.- 8.3 Fuzzyevolutionäre Systeme.- 8.4 Literatur zum Kapitel 8.- 8.5 Aufgaben zum Kapitel 8.- 9 Ausblick.- 9.1 Weiterführende Literatur zum Kapitel 9.- AnhangA: Elektronische Informationen zu EA.- Electronic Mail Diskussionslisten.- NetNews-Gruppe.- EvoNet.- Elektronische Archive.- Anhang B: Testdaten-Bibliotheken.- Verzeichnis wichtiger Abkürzungen.

Erscheint lt. Verlag	1.1.1997
Reihe/Serie	Computational Intelligence
Mitarbeit	Herausgeber (Serie): Wolfgang Bibel, Rudolf Kruse
Zusatzinfo	X, 345 S. 54 Abb.
Verlagsort	Wiesbaden
Sprache	deutsch
Gewicht	456 g
Themenwelt	Mathematik / Informatik ► Informatik ► Datenbanken
	Mathematik / Informatik ► Informatik ► Programmiersprachen / -werkzeuge
	Informatik ► Theorie / Studium ► Algorithmen
	Informatik ► Theorie / Studium ► Künstliche Intelligenz / Robotik
	Technik
Schlagworte	Algorithmen • data structures • Evolution • Evolutionäre Algorithmen • Evolutionäre Programmierung • Evolutionsstrategien • Evolutionstheorie • Genetische Algorithmen • Genetische Programmierung • Künstliche Intelligenz • Optimierung
ISBN-10	3-528-05499-9 / 3528054999
ISBN-13	978-3-528-05499-1 / 9783528054991
Zustand	Neuware