Einführung in Evolutionäre Algorithmen
Optimierung nach dem Vorbild der Evolution
1st Edition
Published on 1. January 1997
Book
Paperback/Softback
X, 345 pages
978-3-528-05499-1 (ISBN)
Description
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.
More details
Series
Language
German
Place of publication
Wiesbaden
Germany
Publishing group
Vieweg & Teubner
Target group
Upper undergraduate
Illustrations
54 s/w Abbildungen
X, 345 S. 54 Abb.
Dimensions
Height: 210 mm
Width: 148 mm
Thickness: 20 mm
Weight
471 gr
ISBN-13
978-3-528-05499-1 (9783528054991)
DOI
10.1007/978-3-322-93861-9
Schweitzer Classification
Other editions
Additional editions
E-Book
03/2013
Vieweg+Teubner Verlag
€33.26
Available for download
Persons
Dr. Volker Nissen ist wissenschaftlicher Assistent am Institut fuer Wirtschaftsinformatik der Georg-August-Universitaet Goettingen. Er ist Mitherausgeber der IEEE Transactions on Evolutionary Computation und publizierte zwei Buecher sowie diverse Fachbeitraege zu Evolutionaeren Algorithmen. Dr. Nissen ist Sprecher des Arbeitskreises Softcomputing in der Betriebswirtschaft der AG Fuzzy Logik und Softcomputing Norddeutschland.
Content
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.