Anwendung von Schwarmintelligenz auf Mehrkriterienoptimierungsprobleme mit Nebenbedingungen

Student:Bettina Bickel
Title:Anwendung von Schwarmintelligenz auf Mehrkriterienoptimierungsprobleme mit Nebenbedingungen
Type:diploma thesis
Advisors:Kókai, G.; Hardung, B.
State:submitted on April 3, 2006
Prerequisits:
Topic:

Hintergrund:
In einem Optimierungs-Framework für heuristische Optimierung (HeurOpt) werden momentan Evolutionäre Algorithmen verwendet, um Mehrkriterienoptimierungsprobleme mit Nebenbedingungen zu lösen. Im Speziellen wird aktuell ein Strength Pareto Evolutionary Algorithm 2 (SPEA2) verwendet, der so modifiziert wurde, dass er auch Nebenbedingungen berücksichtigen kann. Eine weitere Klasse von Optimierungsalgorithmen wird Schwarmintelligenz genannt. Die bekanntesten Vertreter sind Partikelschwarmoptimierung (PSO) und Ameisenkolonieoptimierung (ACO). In HeurOpt exisitert eine Implementierung von PSO. Deren Performance kann jedoch aktuell nicht mit dem modifizierten SPEA2 mithalten.
Aufgabe:
In dieser Arbeit soll Schwarmintelligenz-Methoden zur Anwendung auf Mehrkriterien-Optimierungsprobleme mit Nebenbedingungen entwickelt werden. Dazu muss die bereits implementierte PSO-Methode verbessert werden. Weiterhin muss eine Methode auf Basis von ACO gefunden/entwickelt werden. Die neuen Optimierungsalgorithmen müssen implementiert, in HeurOpt integriert und in geeigneter Form mit dem modfizierten SPEA2 verglichen werden.
Literatur:
Neumann, C.P.: Conceptional design of an open framework for optimizing the distribution of hardware and software components in control networks for vehicles. Diploma thesis, University of Erlangen, Computer Science Department 2 (2005)
http://www.cs.cinvestav.mx/~constraint/
http://iridia.ulb.ac.be/~mdorigo/ACO/ACO.html
http://www12.informatik.uni-erlangen.de/research/evolivo/

watermark seal