Heuristiken

4.3 Methodenbeschreibung
Metaevolution Bei genetischen Algorithmen soll die Suche nach einem globalen Optimum im
gesamten zulässigen Lösungsraum durch die zufällige Auswahl der genetischen
Operatoren gewährleistet sein.
Es besteht jedoch die Möglichkeit, dass die Population zu klein ist oder im
Laufe des Evolutionsprozesses Teile des zulässigen Raumes nicht durchsucht
werden und die Evolution somit in einem lokalen Optimum konvergiert. Eine
Strategie zur Vermeidung derartiger Probleme ist der Einsatz von Methoden
der Metaevolution. Diese steuern die parallele Evolution mehrerer Populationen.
Zwischen diesen Populationen werden in gewissen Abständen Individuen
ausgetauscht, um die Vielfalt zu vergrößern.
Wurde mittels eines genetischen Algorithmus eine beste Lösung gefunden, so
empfiehlt es sich meist eine lokale Suche anzuschließen, welche die zur besten
Lösung des genetischen Algorithmus benachbarten Lösungen auf Optimalität
untersucht.
21