3.6 Evolutionsverfahren und genetische Algorithmen

Card Set Information

Author:
Thorsten662
ID:
230085
Filename:
3.6 Evolutionsverfahren und genetische Algorithmen
Updated:
2013-08-15 07:28:17
Tags:
Strukturoptimierung Optimierungsalgorithmen Evolutionsverfahren genetische Algorithmen
Folders:

Description:
Fragen zum 3. Kapitel aus dem Skript zur Vorlesung "Strukturoptimierung" an der TU Darmstadt.
Show Answers:

Home > Flashcards > Print Preview

The flashcards below were created by user Thorsten662 on FreezingBlue Flashcards. What would you like to do?


  1. 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
  2. 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.
  3. 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
  4. 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

What would you like to do?

Home > Flashcards > Print Preview