Evolutionäre Algorithmen für die zielgerichtete Optimierung pdfsubject

3.3. Zusammenfassung 39
mit
F (3D) = skal R (3D)(µ Seq (x))
F (Zeit) = skal R (Zeit)(ω Seq (x))
Die Werte für R (3D) und R (Zeit) geben dabei die erwarteten maximalen Werte für
die Ausgabe der Kriterien an. Der Quotient R(3D) normiert den Term des Zeitconstraints
auf die maximale Fitness des Qualitätskriteriums, um eine intuitivere
R (Zeit)
Wahl für den Gewichtungsfaktor α treffen zu können, da sonst die Unterschiede
zwischen R (3D) und R (Zeit) beachtet werden müssten.
3.3 Zusammenfassung
In diesem Kapitel wurden die Grundlagen für die Anwendung der evolutionären
Algorithmen auf das Optimierungsproblem des Body-Tracking-Systems gelegt.
Hierzu wurde das Problem klassifiziert und es konnte somit eingeschätzt werden,
dass sich das Optimierungsverfahren ”
genetischen Algorithmus“ zur Lösung dieses
Problems eignet.
Die genetischen Algorithmen basieren auf der Darwinschen Evolutionstheorie, die
das Vorhandensein von zufälligen Mutationen im Erbgut und das Selektionsprinzip
postuliert. Dieses Prinzip wird auf eine Menge von ”
künstlichen“ Individuen
angewendet, wobei dann eine Anwendung von Operatoren über mehrere Generationen
hinweg zu einer Minimierung des mittleren Fehlers in der Population führt.
Das gemischte Problem in den Variablen wurde durch eine Konvertierung in eine
Gleitkommazahlenrepräsentation des Erbguts überführt. Die Operatoren des
genetischen Algorithmus sind auf diese neue Repräsentation angepasst worden.