Untersuchung des Anwendungsspektrums simulationsbasierter Optimierung

Die simulationsbasierte Optimierung bietet heute zahlreiche Möglichkeiten, um komplexe praxisrelevante Aufgabenstellungen zu lösen. Diese Arbeit widmet sich der simulationsbasierten Optimierung. Es wird zunächst ein Überblick über Grundlagen zu Simulation, Optimierung und ihrer sinnvollen Kopplung gegeben. Dann werden traditionelle Optimierungsverfahren vorgestellt und insbesondere eindimensionale Suchstrategien und Hill-Climbing -Methoden betont. Metaheuristische Verfahren, die sich als äußerst mächtig erwiesen haben, sind weiterer Schwerpunkt der Arbeit. Die in der Arbeit behandelten Metaheuristiken lauten Evolutionäre Algorithmen , Tabu Search , Simulated Annealing , Ameisenalgorithmen und Künstliche Neuronale Netze . Praktische Anwendungsbeispiele und Entwicklungstendenzen im Zusammenhang mit der simulationsgestützten Optimierung erweitern die Arbeit. Am Ende werden die Möglichkeiten von simulationsbasierter Optimierung bewertet und das Anwendungsspektrum verdeutlicht. Hierfür wird versucht, die ermittelten Konzepte möglichen praktischen Problemen und Aufgabenstellungen zuzuordnen.

Autorentext

Bachelor of Science der Wirtschaftsinformatik, 1993-1997: Staatliche Grundschule Oberweißbach, 1997-2005: Staatliches Gymnasium Neuhaus am Rennweg (Abitur), 2005-2006: Zivildienst in den Rennsteig Werkstätten gGmbH Neuhaus, 2006-2009: Bachelorstudium an der TU Ilmenau, 2009-2011: Masterstudium an der TU Ilmenau

Klappentext

Die simulationsbasierte Optimierung bietet heute zahlreiche Möglichkeiten, um komplexe praxisrelevante Aufgabenstellungen zu lösen. Diese Arbeit widmet sich der simulationsbasierten Optimierung. Es wird zunächst ein Überblick über Grundlagen zu Simulation, Optimierung und ihrer sinnvollen Kopplung gegeben. Dann werden traditionelle Optimierungsverfahren vorgestellt und insbesondere eindimensionale Suchstrategien und "Hill-Climbing"-Methoden betont. Metaheuristische Verfahren, die sich als äußerst mächtig erwiesen haben, sind weiterer Schwerpunkt der Arbeit. Die in der Arbeit behandelten Metaheuristiken lauten "Evolutionäre Algorithmen", "Tabu Search", "Simulated Annealing", "Ameisenalgorithmen" und "Künstliche Neuronale Netze". Praktische Anwendungsbeispiele und Entwicklungstendenzen im Zusammenhang mit der simulationsgestützten Optimierung erweitern die Arbeit. Am Ende werden die Möglichkeiten von simulationsbasierter Optimierung bewertet und das Anwendungsspektrum verdeutlicht. Hierfür wird versucht, die ermittelten Konzepte möglichen praktischen Problemen und Aufgabenstellungen zuzuordnen.