Vergleich von genetischen Algorithmen

Es gibt viele Arten ein Optimierungsproblem zu lösen. Oft stößt man dabei jedoch trotz immer schnellerer Rechner an die Grenzen des Machbaren. Daher benutzt man für komplexe Probleme Heuristiken, die in einer vernünftigen Zeit eine brauchbare Lösung bringen. Manche dieser Heuristiken eignen sich nur für bestimmte Probleme, andere wiederum sind universell einsetzbar. Diese Arbeit beschäftigt sich damit herauszufinden welche Operatoren von genetischen Algorithmen sich besser für ein einfaches Scheduling Problem eignen.

Autorentext

Christoph Ehgartner, Mag, Studium der Betriebswirtschaft an der Karl Franzens Universität Graz am Institut für Statistik und Operations Research. Mitarbeiter in der internen Revision mit dem Hauptaufgabengebiet der Datenanalyse.

Klappentext

Es gibt viele Arten ein Optimierungsproblem zu lösen. Oft stößt man dabei jedoch trotz immer schnellerer Rechner an die Grenzen des Machbaren. Daher benutzt man für komplexe Probleme Heuristiken, die in einer vernünftigen Zeit eine brauchbare Lösung bringen. Manche dieser Heuristiken eignen sich nur für bestimmte Probleme, andere wiederum sind universell einsetzbar. Diese Arbeit beschäftigt sich damit herauszufinden welche Operatoren von genetischen Algorithmen sich besser für ein einfaches Scheduling Problem eignen.