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.
5 Konzeption, Realisierung <strong>und</strong> Bewertung e<strong>in</strong>er Optimierungskomponente 105<br />
Die Werte <strong>der</strong> Konstanten a; i i∈{2,...,4}, welche die Zielfunktionswerte <strong>der</strong> vier lokalen Maximumpunkte<br />
von ( n L 4 , n F 4 ) festlegen, s<strong>in</strong>d <strong>in</strong> Tabelle 5.3.2.7 zusammengefasst.<br />
a2 a3 a4<br />
4 2.5 2<br />
Tabelle 5.3.2.7: Werte <strong>der</strong> Konstanten a i ; i∈{2,...,4} von Testproblem ( n L 4 , n F 4 )<br />
5.3.3 Optimierungsergebnisse<br />
Die im Folgenden vorgestellten Optimierungsergebnisse stammen aus verschiedenen Experimentreihen<br />
zu e<strong>in</strong>em mehrstufigen Optimierungsverfahren os ms . Um e<strong>in</strong>en umfassenden Überblick<br />
über das Leistungsverhalten von os ms zu bekommen, wurden <strong>in</strong>nerhalb e<strong>in</strong>er Experimentreihe<br />
Mehrfachexperimente zu verschiedenen Dimensionen e<strong>in</strong>es <strong>der</strong> <strong>in</strong> Abschnitt 5.3.2<br />
beschriebenen Testprobleme durchgeführt. Um statistisch relevante Ergebnisse zu erhalten,<br />
wurden <strong>in</strong>nerhalb e<strong>in</strong>es Mehrfachexperiments stets 200 Optimierungsläufe mit os ms durchgeführt,<br />
die jeweils mit unterschiedlicher Initialisierung des Pseudo-Zufallszahlengenerators gestartet<br />
<strong>und</strong> jeweils nach genau 20 Optimierungsstufen abgebrochen wurden. Insgesamt wurden<br />
<strong>in</strong>nerhalb e<strong>in</strong>es Mehrfachexperiments also 4000 Optimumpunkte lokalisiert.<br />
Innerhalb des untersuchten mehrstufigen Optimierungsverfahrens os ms wurde e<strong>in</strong>e komb<strong>in</strong>ierte<br />
2-Phasen Strategie os 2P<br />
e<strong>in</strong>gesetzt. Zur Voroptimierung wurde, falls nicht an<strong>der</strong>s angegeben,<br />
e<strong>in</strong> Genetischer Algorithmus (GA) verwendet. Die Fe<strong>in</strong>optimierung wurde mit <strong>der</strong> Mustersuche<br />
(MS) von Hooke <strong>und</strong> Jeeves durchgeführt.<br />
Neben <strong>der</strong> zu optimierenden Problemstellung s<strong>in</strong>d für das Leistungsverhalten e<strong>in</strong>er Optimierungsstrategie<br />
auch <strong>der</strong>en Kontrollparametere<strong>in</strong>stellungen von großer Bedeutung. Um nicht zu<br />
tief <strong>in</strong>s Detail gehen zu müssen, werden im Folgenden nur die wichtigsten Kontrollparametere<strong>in</strong>stellungen<br />
von os ms angegeben. Die Parametrisierung des <strong>in</strong>nerhalb <strong>der</strong> komb<strong>in</strong>ierten 2-<br />
Phasen Strategie os 2P<br />
zur Voroptimierung verwendeten Genetischen Algorithmus wurde <strong>in</strong><br />
Anlehnung an Standarde<strong>in</strong>stellungen aus <strong>der</strong> Literatur [SCED89] vorgenommen. Für die<br />
Crossoverwahrsche<strong>in</strong>lichkeit, die Mutationswahrsche<strong>in</strong>lichkeit sowie die Länge e<strong>in</strong>es Parametersegments<br />
im Gesamtb<strong>in</strong>ärvektor wurden <strong>in</strong> allen Experimentreihen, unabhängig von <strong>der</strong><br />
Problemdimension, jeweils dieselben <strong>in</strong> Tabelle 5.3.3.1 aufgeführten Werte verwendet. Für die<br />
den Voroptimierungsaufwand maßgeblich bee<strong>in</strong>flussenden Parameter mc (Monte-Carlo Initialisierung<br />
7 ), pg (Populationsgröße) <strong>und</strong> t (Kontrollparameter des Term<strong>in</strong>ierungskriteriums<br />
7 Bei <strong>der</strong> Monte Carlo Initialisierung werden zunächst mc Suchpunkte zufällig im Lösungsraum erzeugt. Im Anschluss<br />
daran werden daraus die pg besten Suchpunkte ermittelt, welche letztendlich die Startpopulation des Genetischen<br />
Algorithmus bilden.