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.
2 Gr<strong>und</strong>lagen 11<br />
durch schrittweise Än<strong>der</strong>ung <strong>der</strong> Systemparameter <strong>und</strong>/o<strong>der</strong> <strong>der</strong> Systemstruktur das Verhalten<br />
des Systems zu verbessern. Gr<strong>und</strong>voraussetzung für diese Vorgehensweise ist jedoch, dass das<br />
betreffende System bereits existiert <strong>und</strong> zum Experimentieren geeignet ist. An<strong>der</strong>nfalls bleibt<br />
nur die Möglichkeit, die Optimierung anhand e<strong>in</strong>es abstrakten Systemmodells durchzuführen,<br />
welches das Verhalten des realen Systems <strong>in</strong> ausreichendem Maße wi<strong>der</strong>spiegelt. Abstrakte<br />
Modelle s<strong>in</strong>d verglichen mit Realsystemen zum Experimentieren weitaus besser geeignet, da<br />
sie une<strong>in</strong>geschränkt zugänglich s<strong>in</strong>d <strong>und</strong> <strong>in</strong> ihrer Struktur <strong>und</strong> ihren Abläufen nach Belieben<br />
<strong>und</strong> ohne jegliches Gefahrenpotential manipuliert <strong>und</strong> modifiziert werden können.<br />
Bei <strong>der</strong> Modelloptimierung ist die Zielfunktion, die es zu optimieren gilt, durch e<strong>in</strong> Modell<br />
vorgegeben. Zur Optimierung solcher modellbasierter Zielfunktionen existieren gr<strong>und</strong>sätzlich<br />
folgende Alternativen:<br />
- Indirekte (analytische) Optimierung: Bei <strong>der</strong> <strong>in</strong>direkten Optimierung wird ausgehend von<br />
e<strong>in</strong>er formalen Modellbeschreibung das Optimierungsproblem mathematisch formuliert <strong>und</strong><br />
durch geeignete mathematische Verfahren gelöst (klassische analytische Vorgehensweise).<br />
Empirisches Experimentieren mit dem Modell ist nicht notwendig.<br />
- Direkte (empirische) Optimierung: Bei <strong>der</strong> direkten Optimierung wird ke<strong>in</strong>e mathematische<br />
Beschreibung <strong>der</strong> zu optimierenden Zielfunktion vorausgesetzt, son<strong>der</strong>n lediglich <strong>der</strong>en Berechenbarkeit.<br />
Zur Steuerung des Optimierungsprozesses werden ausschließlich Zielfunktionswerte<br />
verwendet, die durch Simulationsexperimente ermittelt werden (empirische Vorgehensweise).<br />
- Hybride Optimierung: Hier wird versucht, die Vorteile <strong>der</strong> direkten <strong>und</strong> <strong>in</strong>direkten Optimierung<br />
zu vere<strong>in</strong>en <strong>und</strong> gleichzeitig <strong>der</strong>en Nachteile möglichst auszuschließen.<br />
Optimierungsmethoden, die e<strong>in</strong>e mathematische Beschreibung des Optimierungsproblems voraussetzen,<br />
lassen sich nur sehr e<strong>in</strong>geschränkt zur Optimierung komplexer Simulationsmodelle<br />
verwenden, da sich <strong>in</strong>sbeson<strong>der</strong>e bei diskreten ereignisorientierten Simulationsmodellen e<strong>in</strong>e<br />
solche Beschreibung nur <strong>in</strong> e<strong>in</strong>igen wenigen speziellen Fällen f<strong>in</strong>den lässt. Die nun folgenden<br />
Betrachtungen beschränken sich daher auf die Klasse <strong>der</strong> universell anwendbaren direkten Optimierungsverfahren.<br />
2.3.1 Direkte Parameteroptimierung modellbasierter Zielfunktionen<br />
Im Folgenden wird <strong>in</strong> die Gr<strong>und</strong>lagen <strong>und</strong> den Stand <strong>der</strong> Technik auf dem Gebiet <strong>der</strong> direkten<br />
Parameteroptimierung modellbasierter Zielfunktionen e<strong>in</strong>geführt. Für den <strong>in</strong> dieser Arbeit<br />
überwiegend betrachteten Fall <strong>der</strong> Optimierung von Zielfunktionen mit kont<strong>in</strong>uierlichen Parametern<br />
lautet die Def<strong>in</strong>ition des globalen Optimierungsproblems 3 wie folgt:<br />
3 Die globale Optimierung hat sich als e<strong>in</strong>e NP-harte Problemstellung herausgestellt.