und Komponenten-Technologien in der Modellierung ... - CES - KIT
und Komponenten-Technologien in der Modellierung ... - CES - KIT
und Komponenten-Technologien in der Modellierung ... - CES - KIT
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
96 5 Konzeption, Realisierung <strong>und</strong> Bewertung e<strong>in</strong>er Optimierungskomponente<br />
vormaximiert, wonach <strong>der</strong> Zyklus von neuem beg<strong>in</strong>nt. Diese Vorgehensweise bei <strong>der</strong> mehrstufigen<br />
Optimierung, <strong>in</strong> regelmäßigen Abständen auch Stufen mit <strong>in</strong>verser Voroptimierung<br />
durchzuführen, hat sich als e<strong>in</strong>e sehr elegante <strong>und</strong> effektive Möglichkeit erwiesen, um zu verh<strong>in</strong><strong>der</strong>n,<br />
dass irreführende Probleme als solche unerkannt bleiben.<br />
5.1.6 Umgang mit stochastischem Rauschen<br />
Bei stochastischen Simulationsmodellen s<strong>in</strong>d die berechneten Ausgabegrößen (Zielfunktionswerte)<br />
mit e<strong>in</strong>em Rauschen überlagert, dessen Intensität stark von <strong>der</strong> jeweils angesetzten Simulationsdauer<br />
abhängt. Verfahren zur Modelloptimierung sollten aus diesem Gr<strong>und</strong> möglichst<br />
robust gegenüber ungenau berechneten Zielfunktionswerten se<strong>in</strong>. Bei vielen direkten<br />
Optimierungsverfahren, <strong>in</strong>sbeson<strong>der</strong>e bei globalen probabilistischen Suchverfahren wie Evolutionären<br />
Algorithmen o<strong>der</strong> dem Simulated Anneal<strong>in</strong>g trifft dies auch weitgehend zu, was jedoch<br />
nicht dazu verleiten sollte, stochastisches Rauschen bei <strong>der</strong> Optimierung simulationsbasierter<br />
Zielfunktionen gänzlich zu vernachlässigen. Bevor e<strong>in</strong>e Modelloptimierung durchgeführt<br />
wird, sollte daher stets die Intensität des stochastischen Rauschens abgeschätzt werden,<br />
um diese bei <strong>der</strong> Auswahl <strong>und</strong> Parametrisierung <strong>der</strong> Optimierungsverfahren 5 sowie bei <strong>der</strong> Interpretation<br />
<strong>der</strong> Optimierungsergebnisse entsprechend berücksichtigen zu können. Bei zu starkem<br />
Rauschen muss gegebenenfalls e<strong>in</strong>e Verlängerung <strong>der</strong> Simulationsdauer <strong>in</strong> Betracht gezogen<br />
werden. Weitere E<strong>in</strong>zelheiten zur Problematik des stochastischen Rauschens f<strong>in</strong>den sich <strong>in</strong><br />
[Syrj97].<br />
5.2 Realisierung <strong>der</strong> Optimierungskomponente<br />
Die <strong>in</strong> den vorangegangenen Abschnitten vorgestellten direkten Optimierungsverfahren bilden<br />
den Kern <strong>der</strong> <strong>in</strong> Abb. 5.2.1 dargestellten Optimierungskomponente. Um diese möglichst flexibel<br />
<strong>und</strong> plattformübergreifend als Spezialkomponente zur Erweiterung <strong>der</strong> Funktionalität von<br />
<strong>Modellierung</strong>swerkzeugen e<strong>in</strong>setzen zu können, wurde zur Implementierung die Programmiersprache<br />
Java verwendet. Neben den direkten Optimierungsverfahren, die <strong>in</strong> Form e<strong>in</strong>er modularen<br />
Bauste<strong>in</strong>bibliothek angeboten werden, gehören zur Optimierungskomponente drei weitere<br />
wichtige Bestandteile. Dabei handelt es sich um<br />
- e<strong>in</strong>e graphische Benutzeroberfläche, <strong>der</strong>en Aufgabe dar<strong>in</strong> besteht, verschiedenen Anwen<strong>der</strong>gruppen<br />
e<strong>in</strong> komfortables auf <strong>der</strong>en jeweilige Bedürfnisse zugeschnittenes Arbeiten mit<br />
den implementierten Optimierungsverfahren zu ermöglichen,<br />
- e<strong>in</strong>e flexible Schnittstelle zur Ankopplung an alle Arten von Modellauswertungssoftware,<br />
- e<strong>in</strong> separates Modul zur statistischen Aufbereitung des bei umfangreichen Optimierungsexperimenten<br />
erzeugten Datenmaterials.<br />
5 Bei lokalen Hill-Climb<strong>in</strong>g Verfahren beispielsweise sollten bei starkem stochastischen Rauschen die Anfangsschrittweiten<br />
deutlich größer als im unverrauschten Fall e<strong>in</strong>gestellt werden.