Schwarmintelligenz und evolutionäre Algorithmen in ...
Schwarmintelligenz und evolutionäre Algorithmen in ...
Schwarmintelligenz und evolutionäre Algorithmen in ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
3 <strong>Schwarm<strong>in</strong>telligenz</strong> <strong>und</strong> <strong>evolutionäre</strong> <strong>Algorithmen</strong><br />
kann passieren, dass wenn alle Individuen ähnliche Fitnesswerte haben, der Selektionsdruck<br />
praktisch nicht vorhanden ist. Zur Vermeidung dieser Probleme s<strong>in</strong>d von Eiben et al. [22]<br />
Erweiterungen vorgeschlagen worden.<br />
A<br />
3/6 = 50%<br />
B<br />
1/6 = 17%<br />
C<br />
2/6 = 33%<br />
Abbildung 3.10: Fitness-Proportional Selektion für drei Individuen. A mit Fitness 3, B mit<br />
Fitness 1 <strong>und</strong> C mit Fitness 2. Im Prozent ist angegeben, mit welcher Wahrsche<strong>in</strong>lichkeit<br />
das Individuum überlebt.<br />
E<strong>in</strong>e weitere Möglichkeit ist die Sortierung der Population nach Fitness <strong>und</strong> die nachfolgende<br />
Zuweisung von Selektionswahrsche<strong>in</strong>lichkeiten je nach Rang des Individuum. Auf dieser Art<br />
wird e<strong>in</strong> konstanter Selektionsdruck ausgeübt, der nicht direkt von der Fitness abhängt, sondern<br />
nur vom Rang <strong>in</strong>nerhalb der Population. Die Berechnung der Wahrsche<strong>in</strong>lichkeiten kann<br />
wie folgt vorgenommen werden, mit 1.0 < s