Heuristiken

Suche in
größen
Räumen
Wahl der
Kodierung
4.6 Anwendung
Genetische Algorithmen wurden sowohl für Probleme der Wissensverarbeitung,
als auch für Optimierungsprobleme entwickelt. Sie eignen sich für
die Suche in großen Suchräumen mit vielen potentiellen Lösungen. Da sie sehr
generell, d.h. wenig problemspezifisch arbeiten, stellen sie auch wenige Voraussetzungen
an das zu lösende Problem.
Aufgrund des populationsbasierten Ansatzes ist es erforderlich, dass die Berechnung
der Fitnesswerte der Individuen schnell durchgeführt werden kann,
da eine große Anzahl solcher Berechnungen notwendig ist.
Weiterhin muss der Lösungsraum des betrachteten Problems so kodierbar sein,
dass er alle (relevanten) Lösungen enthält. Durch die Operationen mit den Individuen
dürfen jedoch nicht zu viele ” unsinnige“ Lösungen entstehen können.
Die Wahl der richtigen Kodierung ist somit eine entscheidende Voraussetzung
für den erfolgreichen Einsatz eines genetischen Algorithmus.
Problemspezifische In der Literatur wird eine große Anzahl von erfolgreichen und Erfolg verspre-
Heuristiken chenden Anwendungen genetischer Algorithmen beschrieben. Es existieren jedoch
auch viele Anwendungen, bei denen genetische Algorithmen zu schlechteren
Ergebnissen führen, als andere Heuristiken. Wenn das Aussehen des Lösungsraumes
von vornherein bekannt ist, sind problemspezifische Heuristiken effizienter.
Wenn der Lösungsraum nur wenige lokale Optima aufweist führt ein
Hill-Climbing-Algorithmus meist zu besseren Resultaten.
Der Einsatz genetischer Algorithmen ist im Allgemeinen immer dann Erfolg
versprechend, wenn:
• Der Lösungsraum groß ist.
• Es viele lokale Optima gibt bzw. wenn über die Eigenschaften des
Lösungsraumes überhaupt wenig bekannt ist.
• Kein globales Optimum sondern eine schnelle, näherungsweise optimale
Lösung gefunden werden soll.
24