e p i l o g - Fakultät für Informatik, TU Wien
e p i l o g - Fakultät für Informatik, TU Wien
e p i l o g - Fakultät für Informatik, TU Wien
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
Stephan Zaubzer<br />
A Complete Archive Genetic Algorithm for the Multidimensional Knapsack<br />
Problem<br />
Studium: Diplomstudium <strong>Informatik</strong><br />
BetreuerIn: Univ.Prof Dr. Günther Raidl<br />
Abstrakt: In dieser Arbeit wird ein vollständiges Lösungsarchiv vorgestellt,<br />
das einen genetischen Algorithmus zur Lösung des multidimensionalen<br />
Rucksack Problems (MKP) erweitert. Der genetische Algorithmus, auf dem<br />
diese Arbeit aufbaut, verwendet einen repair operator, um ungültige<br />
Lösungen auszuschließen und jede gültige Lösung zu einer lokal optimalen<br />
Lösung zu transformieren. Es ist wahrscheinlich, dass der genetische<br />
Algorithmus Lösungen produziert, die während der Laufzeit schon einmal<br />
generiert und ausgwertet wurden. Um die Berücksichtigung von schon<br />
ausgewerteten Lösungen zu verhindern, wird ein Lösungsarchiv auf der<br />
Basis eines Tries analysiert. Jede erzeugte Kandidatenlösung wird in das<br />
Archiv eingefügt. Wird eine schon enthaltene Lösung in das Archiv<br />
eingefügt, so wird mit einer speziellen Prozedur aus dieser doppelten Lösung<br />
eine neue, noch unbesuchte Lösung generiert, die ebenfalls lokal optimal ist.<br />
Des weiteren werden während des Einfügens von Lösungen obere<br />
Schranken an jedem Knoten des Tries berechnet. Wird <strong>für</strong> einen Teilbaum<br />
des Tries eine obere Schranke ermittelt, die kleiner als die bisher beste<br />
gefundene Lösung ist, so wird der entsprechende Teilbaum abgeschnitten.<br />
Sind in einem Teilbaum alle lokal optimalen Lösungen schon einmal besucht<br />
worden, so wird dieser Teilbaum ebenfalls abgeschnitten. Jede Lösung, die<br />
später generiert wird und in diesem abgeschnittenen Teilbaum liegen würde,<br />
wird als schon besuchte Lösung identifiziert, und in eine noch unbesuchte<br />
Alternativlösung transformiert. In dieser Arbeit werden die zur<br />
Implementierung notwendigen Algorithmen und Datenstrukturen dieses<br />
Lösungsarchivs vorgestellt. Dieser erweiterte genetische Algorithmus wird<br />
mit dem ursprünglichen Algorithmus verglichen, und es zeigt sich, dass<br />
durch dieses Lösungsarchiv bei vielen Instanzen bessere Lösungen gefunden<br />
werden.<br />
Arbeitsbereich Computergraphik<br />
Andreas Ammer<br />
Linking Science Together: How Networking Can Support Research - a Peerto<br />
Peer Approach<br />
Studium: Diplomstudium <strong>Informatik</strong><br />
BetreuerIn: Ao.Univ.Prof. Dr. Eduard Gröller<br />
76<br />
Abstrakt: Da Erfindungen und Entwicklungen nicht einfach aus dem Nichts<br />
entstehen, ist das Suchen nach früherer und verwandter Arbeit ein<br />
wichtiger Teil des gesamten Forschungsprozesses. Während dieses Teils