Bis zu 50 % günstiger als neu 3 Jahre rebuy Garantie Professionelles Refurbishment

Convergence Properties of Evolutionary Algorithms

Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Convergence Properties of Evolutionary Algorithms

Günter Rudolph (Gebundene Ausgabe, Englisch)

Keine Bewertungen vorhanden

Optischer Zustand

Beschreibung

Unter evolutionären Algorithmen versteht man solche iterativen stochastischen Optimierverfahren, deren Design durch Prinzipien der biologischen Evolution inspiriert ist: Eine Population von Elementen der zulässigen Menge wird durch Mutation und Rekombination stochastisch variiert, bevor die schlechteren der mit der Zielfunktion bewerteten Elemente ausselektiert werden, so dass die besseren Elemente die Grundlage für die nächste Iteration bilden. Die Hauptanwendungsgebiete von evolutionären Algorithmen sind Optimierungsprobleme, für die keine Spezialverfahren bekannt sind oder bei denen traditionelle Optimierverfahren aus den verschiedensten Gründen versagen. Diese empirisch beobachtete Robustheit und die durch das Populationskonzept bedingte inhärente Parallelität haben die evolutionären Algorithmen zur approximativen Lösung schwieriger Optimieraufgaben populär gemacht. Die theoretische Fundierung jedoch ist hinter den zahlreichen praktischen Anwendungen weit zurückgeblieben. Es ist das Anliegen dieser Arbeit, die theoretische Grundlegung der evolutionären Algorithmen weiter voranzutreiben. Zunächst werden die evolutionären Algorithmen als Markoffsche Prozesse modelliert. Während sich Fragen zur Erreichbarkeit von optimalen Lösungen und globalen Konvergenz der Verfahren sehr allgemein klären lassen, muss sich die Laufzeitanalyse auf geeignete Problemklassen beschränken. Für pseudoboolesche modulare, submodulare und unimodale Probleme werden Abschätzungen für die erwartete Absorptionszeit hergeleitet. Daran schließt sich eine kritische Würdigung der Adäquatheit der klassischen Schematheorie sowie der quantitativen Genetik zur Analyse evolutionärer Algorithmen an. Die Untersuchung der Konvergenzgeschwindigkeit bei Problemen mit reellen Entscheidungsvariablen beschränkt sich auf die Minimierung stark und beschränkt konvexer Funktionen. Schwerpunktmäßig werden solche evolutionären Algorithmen analysiert, die auch temporale Verschlechterungen zulassen. Hier erweist sich die Theorie der Ordnungsstatistiken und Supermartingale als hilfreich. Die unterschiedlichen Optimalitätsbegriffe zur Bewertung von Populationen werden sowohl im kompetitiven als auch kooperativen spieltheoretischen Kontext untersucht. Hier zeigen sich deutliche Differenzen zwischen evolutionären Algorithmen und populationsbiologischen Modellen. Der geeignete Optimalitätsbegriff führt dann für ein spezielles Problem zu einer exakten Theorie der (optimalen) Rekombination und mündet schließlich in die statistische Deutung des Zusammenspiels von Mutation, Rekombination und Selektion als Mechanismus zur Erzeugung des besten linearen Gradientenschätzers mit minimaler Varianz. Weniger zeigen

Dieses Produkt haben wir gerade leider nicht auf Lager.

ab 52,99 €

Derzeit nicht verfügbar

Handgeprüfte Gebrauchtware

Bis zu 50 % günstiger als neu

Der Umwelt zuliebe

Produktinformationen

Technische Daten

Erscheinungsdatum

01.01.1997

Sprache

Englisch

EAN

9783860645543

Herausgeber

Kovac, Dr. Verlag

Sonderedition

Nein

Autor

Günter Rudolph

Seitenanzahl

296

Einbandart

Gebundene Ausgabe

Schlagwörter

Absorptionszeiten, quantitative Genetik, Informatik, Konvergenz stochastischer Algorithmen, Markoff`scher Prozess, evolutionäre Algorithmen, stochastische Optimierung, Konvergenzgeschwindigkeit

Thema-Inhalt

UY - Informatik

Höhe

210 mm

Breite

15 cm

Warnhinweise und Sicherheitsinformationen

Informationen nach EU Data Act

Bewertungen

-.-

Leider noch keine Bewertungen

Sicher bei rebuy kaufen

Sehr Gut, 4.52/5.00

Aus 200.000+ Bewertungen

Schreib die erste Bewertung für dieses Produkt!

Wenn du eine Bewertung für dieses Produkt schreibst, hilfst du allen Kund:innen, die noch überlegen, ob sie das Produkt kaufen wollen. Vielen Dank, dass du mitmachst!