Abstract-Band - Fakultät für Informatik, TU Wien - Technische ...

Suchverfahren entwickelt. In weiterer Folge wurden ein genetischer
Algorithmus, ein Downhill-Simplex Verfahren und ein Algorithmus, der auf
Schwarmintelligenz beruht (PSO), implementiert. Beim PSO wurde die beste
Lösung mit einem Surface-Fitting Algorithmus verbessert. Schlussendlich
wurden die einzelnen Metaheuristiken in einem gesamten
Optimierungsprozess unter Berücksichtigung der Stärken und Schwächen der
einzelnen Verfahren für die Problemstellung miteinander kombiniert. Für das
Modell des zu optimierenden HEVs konnte eine Treibstoffersparnis von etwa
33 Prozent im Vergleich zu einem konventionell betriebenen vergleichbaren
Kraftfahrzeug erzielt werden. Der Anteil unseres kombinierten Ansatzes liegt
dabei etwa bei fünf Prozentpunkten.
Thomas Seidl
A Multilevel Refinement Approach to the Rooted Delay-Constrained Steiner
Tree Problem
Studium: Masterstudium Software Engineering & Internet Computing
Betreuer: Ao.Univ.Prof. Dr. Günther Raidl
48
Das Rooted Delay-Constrained Steiner Tree Problem (RDCSTP) ist eine
Variante des bekannten Steinerbaum-Problems auf einem Graphen in welcher
die Pfade zu allen Zielknoten durch eine bestimmte maximale Verzögerung
beschränkt sind. Das Problem tritt hauptsächlich im Bereich des Netzwerk-
Routings auf. Da das RDCSTP zur Klasse der NP-schwierigen Probleme gehört
ist es allgemein nicht möglich die exakte Lösung einer großen Probleminstanz
in vertretbarer Zeit zu finden. Der Fokus der Forschung liegt daher großteils
auf der Entwicklung guter Heuristiken. In dieser Arbeit wird hierfür die
Multilevel-Refinement-Heuristik als Verbesserungsheuristik für das RDCSTP
entwickelt. Grundsätzlich werden bei dieser Metaheuristik in einem ersten
Schritt Knoten sukzessive zusammengefasst um den Graphen auf höheren
Levels, mit weniger Knoten, darzustellen. Das so vereinfachte Problem kann
dann auf der höchsten Abstraktionsebene in simpler Weise gelöst werden.
Dann wird diese Lösung schrittweise wieder soweit verfeinert, bis eine
Lösung für das ursprüngliche Problem erreicht wird. Der hier vorgestellte
Algorithmus für das RDCSTP implementiert diesen Multilevel-Ansatz als
Verbesserungsheuristik, die eine existierende Lösung iterativ verändert. Eine
weitere Besonderheit ist, dass wegen der zusätzlichen Verzögerungs-
Einschränkung weitere Datenstrukturen benötigt werden, um auf höheren
Levels gültige Lösungen zu erzeugen. Außerdem wird während der
Verfeinerung der Lösung auf jedem Level eine weitere
Verbesserungsheuristik angewandt, das Key Path Improvement, welches die
Lösungsqualität drastisch verbessert. Umfangreiche experimentelle Tests
wurden durchgeführt um die Leistungsfähigkeit des Algorithmus bei großen
Instanzen zu messen und ihn mit anderen Algorithmen aus der Literatur zu
vergleichen. Die hierbei erhaltenen Ergebnisse sind durchwegs sehr positiv
und weisen somit darauf hin, dass der verfolgte Ansatz tatsächlich eine
konkurrenzfähige Heuristik für das RDCSTP darstellt.