Empirische Evaluation der optimierten Parameterwahl fur die Partikelschwarmoptimierung

Masterarbeit aus dem Jahr 2011 im Fachbereich BWL - Unternehmensforschung, Operations Research, Note: 1,3, Helmut-Schmidt-Universitt - Universitt der Bundeswehr Hamburg, Sprache: Deutsch, Abstract: Mehrdimensionale Problemstellungen finden sich in allen wissenschaftlichen Bereichen, in denen Ziele und Entscheidungen das Ergebnis mehrerer, oft konfliktionren, Entscheidungsvariablen sind. Komplexitt und Anwendbarkeit haben nicht zuletzt durch den Einsatz der Informationstechnologie stark zugenommen und an Bedeutung fr die Wissenschaft gewonnen. Vor allem das Abbilden realer Situationen, wie sie zum Beispiel in den Ingenieursbereichen vorkommen, ist oft nur mit komplexen Funktionen mglich, welche nur unter enormem Zeitaufwand oder starker Approximation lsbar sind. Die zeiteffiziente Lsung solcher Probleme ist somit ein wissenschaftliches Anliegen und fhrt zu immer neuen Optimierungsverfahren. Gegenstand dieser Ausarbeitung soll das von Kennedy und Eberhart Mitte der 1990er-Jahre publizierte Verfahren der Partikelschwarmoptimierung sein. Dieser evolutionre und auf sozialen Strukturen basierende Algorithmus, dessen Ergebnisse stark von externen Parametern abhngen, soll hier auf die Mglichkeit einer optimalen Parameterwahl empirisch untersucht werden. Die Ausarbeitung wird beweisen, dass fr das betrachtete Problem sogenannte Regionen guter Parameterqualitten existieren, in denen jene Parameter der Partikelschwarmoptimierung liegen, welche zu optimalen Ergebnissen fhren. Basierend auf dieser Beobachtung wird gezeigt werden, dass die Kenntnis von der Position einer solchen Region gengt, um ber eine gezielte Stichprobe im entsprechenden Parameterbereich zu annhernd global optimalen Ergebnissen zu gelangen. Abschlieend wird ein vom Autor entwickelter Algorithmus vorgestellt, welcher beide Eigenschaften umsetzt und so die Laufzeit der Partikelschwarmoptimierung bei gleichbleibend guten Ergebnissen auf bis zu 0,5% der zuvor durchgefhrten Erhebung reduziert.