Zusammenfassung
Das vorangehende Kapitel ging auf alle wesentlichen Elemente von evolutionären Algorithmen ein, nämlich wie eine Kodierung für die Lösungskandidaten gewählt werden sollte, damit sie günstige Eigenschaften hat, mit welchen Verfahren Individuen nach ihrer Fitness ausgewählt, und mit welchen genetischen Operatoren Lösungskandidaten verändert und rekombiniert werden können. Mit diesen Bausteinen ausgestattet, können wir in diesem Kapitel dazuübergehen, Grundformen von evolutionären Algorithmen zu untersuchen, die klassische genetische Algorithmen (in denen Lösungskandidaten durch einfache Bitfolgen kodiert werden, siehe Abschnitt 12.1), Evolutionsstrategien (die sich auf die numerische Optimierung konzentrieren, siehe Abschnitt 12.2) und die genetische Programmierung umfassen (die versucht, Funktionsausdrücke oder sogar einfache Programmstrukturen mit Hilfe von Evolutionsprinzipien abzuleiten, siehe Abschnitt 12.3). Abschließend werfen wir einen kurzen Blick auf andere populationsbasierte Ansätze (wie die Ameisenkolonie- und Teilchenschwarmoptimierung, siehe Abschnitt 12.4).
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Author information
Authors and Affiliations
Corresponding author
Rights and permissions
Copyright information
© 2015 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
Kruse, R., Borgelt, C., Braune, C., Klawonn, F., Moewes, C., Steinbrecher, M. (2015). Grundlegende evolutionäre Algorithmen. In: Computational Intelligence. Computational Intelligence. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-10904-2_12
Download citation
DOI: https://doi.org/10.1007/978-3-658-10904-2_12
Published:
Publisher Name: Springer Vieweg, Wiesbaden
Print ISBN: 978-3-658-10903-5
Online ISBN: 978-3-658-10904-2
eBook Packages: Computer Science and Engineering (German Language)