Genetische Algorithmen zur Lösung von Optimierungsproblemen
- Editore:
GRIN Publishing
- EAN:
9783640858897
- ISBN:
3640858891
- Pagine:
- 40
- Formato:
- Paperback
- Lingua:
- Tedesco
Descrizione Genetische Algorithmen zur Lösung von Optimierungsproblemen
Facharbeit (Schule) aus dem Jahr 2009 im Fachbereich Informatik - Angewandte Informatik, Note: 15 Punkte (1+), , Veranstaltung: Informatik Leistungskurs, Sprache: Deutsch, Abstract: Die Evolution ist der leistungsfähigste Prozess der Natur. Lebewesen passen sich - scheinbar von selbst - von Generation zu Generation immer besser den Bedingungen ihrer Umgebung an. Die Idee der ständigen Weiterentwicklung wurde in der Informatik aufgenommen und in Form von genetischen Algorithmen realisiert. Ziel dieser Arbeit ist es, dem Leser die Gruppe der genetischen Algorithmen näher zu bringen. Die Arbeit ist wie folgt aufgebaut: Das zweite Kapitel erläutert Grundbegriffe der Genetik und ihre Bedeutung in der Informatik. Im dritten Kapitel wird die generelle Struktur genetischer Algorithmen vorgestellt. Hierzu zählen die Elementaroperationen, die auch bei der biologischen Evolution stattfinden. Das vierte Kapitel bildet den Schwerpunkt dieser Arbeit. Es befasst sich mit den theoretischen Grundlagen, die die Funktionalität genetischer Algorithmen nachweisen. Im fünften Kapitel demonstrieren wir eine praktische Anwendung genetischer Algorithmen. Wir zeigen, wie genetische Algorithmen zur Lösung des n-Damen Problems beitragen können. Abschließend fassen wir im sechsten Kapitel die in dieser Arbeit gewonnenen Erkenntnisse zusammen und betrachten Möglichkeiten und Begrenzungen genetischer Algorithmen bei der praktischen Umsetzung. Bevor wir mit der eigentlichen Arbeit beginnen, sollten wir zunächst Optimierungsprobleme als Einsatzgebiet genetischer Algorithmen betrachten. Optimierungsprobleme zeichnen sich dadurch aus, dass sie mehr als eine richtige Lösung besitzen, wobei unterschiedliche Lösungen ebenfalls unterschiedlich gut sein können. Bei dieser Art von Problem ist es meist schwer, einen Algorithmus zu finden, der die beste Lösung in einer akzeptablen Zeit ermittelt. Genau hier setzen genetische Algorithmen an. Sie erzeugen zunächst eine Menge aus zufälligen Lösungen und lassen diese Menge nach den Prinzipien der Evolution weiterentwickeln (und somit optimieren), bis sich eine genügend gute Lösung herausstellt. Durch genetische Algorithmen ist es oftmals möglich, sogenannte NP-Schwere - also nicht effizient lösbare - Probleme in kurzer Zeit mit einem zufriedenstellenden Ergebnis zu berechnen.
