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.
112 5 Konzeption, Realisierung <strong>und</strong> Bewertung e<strong>in</strong>er Optimierungskomponente<br />
Problemdimension kommt es dadurch zu e<strong>in</strong>em noch stärkeren Rückgang des Voroptimierungsaufwands<br />
als <strong>in</strong> Experimentreihe E2.<br />
n 2 3 4 5 6 7 8 9 10<br />
mc 40<br />
pg 20<br />
t 2<br />
Tabelle 5.3.3.4: E<strong>in</strong>stellungen <strong>der</strong> Kontrollparameter mc, pg <strong>und</strong> t des Genetischen<br />
Algorithmus <strong>in</strong> Experimentreihe E3<br />
Die daraus resultierenden Auswirkungen auf den Optimierungserfolg zeigt Diagr. 5.3.3.4, <strong>in</strong><br />
dem die wesentlichen Ergebnisse von Experimentreihe E3 zusammengefasst s<strong>in</strong>d. Im Vergleich<br />
zu Diagr. 5.3.3.3 ist hier schon ab Dimension 6 e<strong>in</strong> drastischer E<strong>in</strong>bruch des Optimierungserfolgs<br />
zu verzeichnen. Bei den Problemdimensionen 9 <strong>und</strong> 10 ist <strong>der</strong> Optimierungserfolg nach<br />
<strong>der</strong> fünften Optimierungsstufe bereits deutlich unter 0.5 abgesunken.<br />
Durchschnittliche Anzahl Zielfunktionsevaluierungen<br />
pro Stufe<br />
400<br />
350<br />
300<br />
250<br />
200<br />
150<br />
100<br />
50<br />
oa [GA] oa [MS] oe(1) oe(2) oe(3) oe(4) oe(5)<br />
0<br />
2 3 4 5 6 7 8 9 10<br />
Problemdimension<br />
Diagr. 5.3.3.4: In Experimentreihe E3 ermittelter Optimierungserfolg <strong>und</strong> -aufwand<br />
Die <strong>in</strong> Diagr. 5.3.3.3 <strong>und</strong> 5.3.3.4 dargestellten Optimierungsergebnisse s<strong>in</strong>d e<strong>in</strong> deutlicher H<strong>in</strong>weis<br />
darauf, dass die den Voroptimierungsaufwand bee<strong>in</strong>flussenden Kontrollparameter mc, pg<br />
<strong>und</strong> t des Genetischen Algorithmus nicht unabhängig von <strong>der</strong> Problemdimension e<strong>in</strong>gestellt<br />
1<br />
0,9<br />
0,8<br />
0,7<br />
0,6<br />
0,5<br />
0,4<br />
0,3<br />
0,2<br />
0,1<br />
0<br />
GMP-Trefferwahrsche<strong>in</strong>lichkeit