Zusammenfassung
Ausgangspunkt des in der vorliegenden Arbeit dokumentierten Projekts waren überlegungen zur quantitativen Entscheidungsunterst&ützung in komplexen Situationen. Dabei wurde die Simulation als flexible Technik zur Modellierung gerade auch komplexer Systeme hervorgehoben. Weiterhin wurde betont, daß bei einem umfassenden Einsatz der Simulation zur Unterst&ützung der Entscheidungsfindung insbesondere auch der Einsatz von Optimierungsmethoden f&ür Simulationsmodelle sinnvoll ist.
This is a preview of subscription content, log in via an institution.
Buying options
Tax calculation will be finalised at checkout
Purchases are for personal use only
Learn about institutional subscriptionsPreview
Unable to display preview. Download preview PDF.
Literatur
Zum Begriff des analytischen Modells: vgl. Drepper, F.; Heckler, R.; Schwefel, H.-P. (1979, System), S. 304.
Vgl. Smith, D.E. (1976, Optimum); S. 27ff.
Vgl. Biethahn, J. (1978, Optimierung), S. 44;
Himmelblau, D.M. (1972, Programming), S. 141f;
Zu Methodenbanken als Komponente betrieblicher Informationssysteme: vgl. Biethahn, J.; Muksch, H.; Ruf, W. (1991, Informationsmanagement Bd. 2), S. 6ff;
Scheer, A.-W. (1990, Informationsmodell), S. 1022ff;
Biethahn, J. (1990, Acquisition), S. 319.
Vgl. Kap. 2.21.
Zu einem analogen Schema: vgl. Balestra, G.; Tsoukias, A. (1990, Analysis), S. 421.
Vgl. Gabriel, R. (1984, Konstruktionsprinzipien), S. 99ff;
Bastian, M.; Lange, E. (1981, Konzeption), S. 475f;
Huber, R. (1980, Entwicklung). Aus der Perspektive von Decision Support Systemen: vgl.
Zischek, D. (1987, Entscheidungsunterstützungssysteme), S. 51.
Vgl. Kap. 3.8.
Vgl. Kap. 3.4.3.
Zur Generierung von Zufallszahlen: vgl. Mertens, P. (1982, Simulation), S. 10ff;
Biethahn, J. (1976, Zufallsgeneratoren). Zu anderen Merkmalen: vgl.
Pidd, M. (1989, Discrete Simulation), S. 193ff;
Banks, J.; Carson, J.S. II (1984, Simulation), S. 256ff;
Law, A.M.; Kelton, W.D. (1982, Simulation), S. 219ff, S. 349ff, S. 379ff.
Zu ähnlichen Darstellungen: vgl. Molnar, I.; Hardhienata, S. (1991, Optimierung);
Smith, D.E. (1976, Optimum), S. 29.
Vgl. Smith, D.E. (1976, Optimum), S. 28.
Vgl. Müller, P.H.; Nollau, V.; Polovinkin, A.I. (1986, Suchverfahren), S. 51ff.
Ein analog gebrauchtes Begriffspaar ist diskret vs. kontinuierlich: vgl. Biethahn, J.; Muksch, H.; Ruf, W. (1990, Informationsmanagement, Bd. 1), S. 66.
Vgl. Himmelblau, D.M. (1972, Programming), S. 50.
Vgl. Forrester, J.W. (1961, Industrial Dynamics).
Zum Bellmanschen Funktionalprinizip: vgl. Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S.150f.
Vgl. Yu, P.L. (1989, Concepts), S. 669ff.
Vgl. Biethahn, J.; Muksch, H.; Ruf, W. (1990, Informationsmanagement, Bd. 1), S. 66;
Hanssmann, F. (1985, Systemforschung), S. 75;
Mertens, P. (1982, Simulation), S. 4.
Die bekannteste Ausnahme stellt die “Stochastic Approximation Method” dar: vgl. Azadivar, F.; Lee, Y.-H. (1988, Optimization).
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 29.
Vgl. Biethahn, J. (1978, Optimierung), S. 35ff;
Kleijnen, J.P.C. (1987, Tools), S. 55ff.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 88f;
Bitz, M. (1981, Entscheidungstheorie), S. 90ff.
Vgl. Simon, H.A. (1957, Models), S. 241 ff. 25 Vgl. Kap. 4.2.1 und 4.3.1.
Vgl. Himmelblau, D.M. (1972, Programming), S. 50.
Zur Unterscheidung zwischen expliziten und impliziten Nebenbedingungen: vgl. Schwefel, H.-P. (1977, Optimierung), S. 23, S. 72f.
Vgl. Biethahn, J. (1978, Optimierung), S. 154ff.
Zur Bedeutung des Einbezugs von Vorwissen in die Wahl von Optimierungsverfahren: vgl. Wilde, D.J. (1964, Methods), S. 5f.
Zu einer ähnlichen Einteilung: vgl. Wilde, D.J. (1964, Methods), S. 64f.
Vgl. Chen, B. (1991, Computersimulation), S.203;
Schug, C. (1980, Optimierungsverfahren), S. 6, S. 10.
Vgl. Schi, G. C. (1980, Optimierungsverfahren), S. 6;
Wilde, D.J. (1964, Methods), S. 18f;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 253.
Vgl. Schug, C. (1980, Optimierungsverfahren), S. 7ff;
Schwefel, H.-P. (1977, Optimierung), S. 32f.
Zum Konzept der Unimodalität: vgl. Papalambros, P.Y.; Wilde, D.J. (1988, Principles), S. 327;
Gill, P.E.; Murray, W.; Wright, M.H. (1981, Optimization), S. 88f.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 32. Zum Unsicherheitsintervall und dem damit verbundenen Minimax-Prinizip: vgl.
Wilde, D.J. (1964, Methods), S. 15ff.
Diese Argumentation wurde von Brooks f&ür stochastische Verfahren vorgeschlagen: vgl. Brooks, S.H. (1958, Methods);
Müller, P.H.; Nollau, V.; Polovinkin, A.I. (1986, Suchverfahren), S. 51f;
Wilde, D.J. (1964, Methods), S. 63f.
Dabei kann die Umgebung gen&ügend klein angenommen werden, so daß sich die Umgebungen um zwei äquidistant verteilte Suchpunkte nicht &überschneiden.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 33;
Wilde, D.J. (1964, Methods), S. 21f.
Vgl. Mertens, P. (1982, Simulation), S. 23;
Schug, C. (1980, Optimierungsverfahren), S. 9.
Schon 1962 bewies Spang die systematische Unterlegenheit der globalen Zufallssuche: vgl. Spang, H.A. (1962, Minimization).
Vgl. Wilde, D.J. (1964, Methods), S. 59f.
Vgl. Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S. 211ff;
Kleijnen, J.P.C. (1987, Tools), S. 259f;
Mertens, P. (1982,. Simulation), S.19f, S.23ff.
Vgl. Kleijnen, J.P.C. (1987, Tools), S. 271.
Zum Konzept der ε-Kugel (hier ε = 0,5); vgl. Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S. 3. Hier wird von einer geschlossenen ε-Kugel ausgegangen.
Vgl. die Zusammenstellungen der Methoden z.B. bei Gill, P.E.; Murray, W.; Wright, M.H. (1981, Optimization), S. 127ff;
Schug, C. (1980, Optimierungsverfahren);
Schwefel, H.-P. (1977, Optimierung), S. 29ff;
Himmelblau, D.M. (1972, Programming), S. 141ff. Eine Ausnahme liefert die Untersuchung Biethahn, in der ein erstes Eignungs-Profil f&ür verschiedene Methoden entwickelt wird,
vgl. Biethahn, J. (1978, Optimierung), S. 247ff.
Vgl. Kap. 4.2.1.
Vgl. Schug, C. (1980, Optimierungsverfahren), S. 10ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 254f.
Vgl. Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 264;
Schwefel, H.-P. (1977, Optimierung), S. 36.
Vgl. Horst, R. (1979, Optimierung), S. 144;
Schwefel, H.-P. (1977, Optimierung), S. 34ff.
Vgl. Luenberger, D.G. (1984, Programming), S. 206f;
McCormick, G.P. (1983, Programming) S. 120ff (dort als Quadratic Fit bezeichnet).
Dieses Abbruchkriterium f&ührt nicht notwendigerweise zum tatsächlichen Minimum: vgl. Murty, K.G. (1988, Programming), S. 406f.
Vgl. Himmelblau, D.M. (1972, Programming), S. 45.
Vgl. Himmelblau, D.M. (1972, Programming), S. 45f.
Vgl. Luenberger, D.G. (1984, Programming), S. 197ff;
Schug, C. (1980, Optimierungsverfahren), S. 16ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 260ff;
Schwefel, H.-P. (1977, Optimierung), S. 36ff;
Himmelblau, D.M. (1972, Programming), S. 42ff;
Wilde, D.J. (1964, Methods), S. 24ff;
Kiefer, J. (1953, Search), S. 53.
Vgl. Hoffmann, U.; Hoffmann, H. (1971, Optimierung), S. 75. Die Fibonacci-Folge beginnt mit F0.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 39. Zu beachten ist, daß ε dabei ein zur Intervallbreite relatives Maß ist. Gibt man also z.B. ε = 0,5 vor, bei einer Breite des Startintervalls von 100, ergibt sich ein verbleibendes Unsicherheitsintervall von 50.
Vgl. Murty, K.G. (1988, Programming), S. 402f;
Luenberger, D.G. (1984, Programming), S. 199f;
McCormick, G.P. (1983, Programming), S. 122ff;
Horst, R. (1979, Optimierung), S. 148f.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 36ff.
Vgl. Kap. 4.6.
Je nachdem, wie die Eliminationsvorschrift in Abhängigkeit des Unterschieds von f(C) und f(D) formuliert wird, könnte auch das Intervall (A, C) eliminiert werden. Dann jedoch tritt die skizzierte Situation bei einem zur vertikalen Achse spiegelbildlichen Funktionsverlauf auf.
Vgl. Kap. 4.2.2. 64 Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 114ff;
Mertens, P. (1982, Simulation), S. 29f;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 271ff;
Biethahn, J. (1978, Optimierung), S. 48ff.
Zum Beweis: vgl. Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 239ff, S. 272f.
Vgl. Biethahn, J. (1978, Optimierung), S. 157ff, S. 247ff.
Vgl. Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 273f.;
Wilde, D.J. (1964, Methods), S. 129ff.
Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 116 (Rosenbrock), S. 122 (Davies, Swann & Campey);
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 279ff (nur Rosenbrock);
Himmelblau, D.M. (1972, Programming), S. 158ff.
Zum Gram-Schmidtschen Orthonormierungsverfahren: vgl. Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S. 114;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 279.
Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 116ff;
Schug, C. (1980, Optimierungsverfahren), S. 25ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 274ff;
Biethahn, J. (1978, Optimierung), S. 69ff;
Himmelblau, D.M. (1972, Programming), S. 274ff.
Vgl. Biethahn, J. (1978, Optimierung), S. 247ff.
Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 125;
Biethahn, J. (1978, Optimierung), S. 53ff;
Himmelblau, D.M. (1972, Programming), S. 148ff.
Vgl. Molnar, I.; Hardhienata, S. (1991, Optimierung);
Biethahn, J. (1978, Optimierung), S. 247ff.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 70.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 72ff;
Himmelblau, D.M. (1972, Programming), S. 177ff;
Box, M.J. (1965, Optimization). Himmelblau reiht die Methode in die Klasse der stochastischen Verfahren ein, weil zumindest im Original-Aufsatz von Box die Punkte des Start-Complex (bis auf einen Start-Punkt) mittels eines Zufallszahlengenerators bestimmt werden. Diese Vorschrift wird in anderen Vorschlägen durch eine deterministische Vorschrift ersetzt:
vgl. Mitchell, R.A.; Kaplan, J.L. (1968, Optimization). Da aber insbesondere der eigentliche Suchprozess deterministisch abläuft, wird hier der Himmelblauschen Einordnung nicht gefolgt.
Vgl. Kap. 4.6.5.
Vgl. Schug, C. (1980, Optimierungsverfahren), S. 28ff;
Biethahn, J. (1978, Optimierung), S. 65ff.
Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 139ff;
Biethahn, J. (1978, Optimierung), S. 247ff.
Vgl. Chen, B. (1989, Optimum-Suchstrategien), S. 122ff;
Himmelblau, D.M. (1972, Programming), S. 167ff;
Zangwill, W.I. (1969, Programming), S. 129ff;.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 196ff.
Vgl. Rappl, G. (1988, Search), S. 1 f.
Vgl. Archetti, F.; Schoen, F. (1984, Optimization), S. 89, S. 96.
Vgl. Kap. 4.2.1.
Himmelblau, D.M. (1972, Programming), S. 177.
Vgl. Goldberg, D.E. (1989, Algorithms), S. 103ff;
Ablay, P. (1987, Evolutionsstrategien), S. 109ff;
Schwefel, H.-P. (1977, Optimierung), S. 255ff.
Vgl. Brooks, S.H. (1958, Methods).
Vgl. Brooks, S.H. (1958, Methods). Einen ähnlicher Ansatz, der jedoch die vorherige erfolgreiche Gesamtsuchrichtung explizit in die Bestimmung des neuen Punktes einbezieht, stellt die “History Vector Method” dar, die auf einen Vorschlag von Wheeling zur&ückgeht:
Vgl. Wheeling, R.F. (1960, Optimizers);
Rubinstein, R.Y. (1986, Monte Carlo), S. 177;
Himmelblau, D.M. (1972, Programming), S. 178f;
Jacoby, S.L.S.; Kowalik, J.S.; Pizzo, J.T. (1972, Methods), S. 85.
Vgl. Arrchetti, F.; Schoen, F. (1984, Optimization), S. 103. Zu einer allgemeineren Darstellung, in der sowohl Schrittweite als auch Suchrichtung &über unabhängige Zufallsvariablen bestimmt werden:
Vgl. Rappl, G. (1988, Search), S. 3.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 112.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 123ff.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 196ff.
Zur exakten Erzeugungsregel: vgl. Schwefel, H.-P. (1977, Optimierung), S. 141.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 196ff. Es wurden keine diskreten Probleme getestet.
Vgl. Schwefel, H.P. (1977, Optimierung), S. 228f.
Vgl. Kirkpatrick, S. (1984, Optimization);
Kirkpatrick, S.; Gelatt, C.D. Jr.; Vecchi, M.P. (1983, Simulated Annealing).
Vgl. Johnson, D.S.; Aragon, C.R.; Mcgeach, L.A.; Schevon, C. (1989, Simulated Annealing), S. 868;
Laarhoven, P.J.M.; Aarts, E.H.L. (1987, Simulated Annealing), S. 7ff.
Zu Ergebnissen bei Flow-Shop-Scheduling-Problemen: vgl. Ogbu, F.A., Smih, D.K. (1991, Simulated Annealing), S. 65ff. Laarhoven und Aarts f&ühren als Anwendungsbeispiele Routen, Konfigurations- und Schnittprobleme an:
vgl. Laarhoven, P.J.M.; Aarts, E.H.L. (1987, Simulated Annealing), S. 100ff.
Vgl. Ablay, P. (1987, Evolutionsstrategien).
Vgl. Robbins, H.; Monroe, S. (1951, Approximation), S. 400ff.
Vgl. Rubinstein, R.Y. (1986, Monte Carlo), S. 69ff, S. 121 ff;
Azadivar, F.; Talavage, F. (1980, Optimization), S. 232;
Ahlswede, R.; Wegener, I. (1979, Suchprobleme), S. 141ff;
Kushner, H.J.; Clark, D.S. (1978, Approximation), S. 1ff;
Kiefer, J.; Wolfowitz, J. (1952, Estimation), S. 462ff.
Vgl. Blum, J.R. (1954, Approximation);
Azadivar, F.; Talavage, F. (1980, Optimization), S. 233ff.
Vgl. Azadivar, F.; Talavage, F. (1980, Optimization), S. 232.
Vgl. Herkenrath, U. (1986, Approximation);
Kushner, H.J.; Clark, D.S. (1978, Approximation), S. 5ff;
Wasan, M.T. (1969, Approximation,), S. 1.
Im folgenden wird die Methode zu besseren Darstellung f&ür den eindimensionalen Fall präsentiert.
Vgl. die Ansätze zur Behandlung stochastischer Modelle in Kap. 4.5.
Zum Beweis der Konvergenz des Verfahrens muß angenommen werden, daß die zu optimierende Funktion unimodal und die Varianz der Modelleregebnisse begrenzt ist: vgl. Azadivar, F.; Talavage, F. (1980, Optimization), S. 232.
Vgl. Zielinski, R.; Neumann, P. (1983, Verfahren), S. 107.
Vgl. Kleijnen, J.P.C. (1987, Tools), S. 203ff;
Box, G.E.P.; Hunter, W.G.; Hunter, J.S. (1978, Statistics), S. 510ff. Der Ansatz geht historisch auf Box & Wilson zur&ück:
vgl. Box, G.E.P.; Wilson, K.B. (1953, Attainment).
Zu Methodennetzen vgl. Kap. 3.5.3.
Im Rahmen der RSM werden auch detailliertere Phasenkonzepte vorgeschlagen, wobei die hier beschriebenen drei Phasen jedoch den Kern des Vorgehens darstellen: vgl. Smith, D.E. (1976, Optimum), S. 29ff;
Biles, W.E. (1987, Design), S. 11.
Es wird auch vorgeschlagen auf Techniken der statischen Faktorauslegung zur&ückzugreifen, was jedoch zu Problemen bei hochdimensionalen Suchräumen f&ührt: vgl. Smith, D.E. (1976, Optimum), S. 29.
Zu einer umfassenden Darstellung: vgl. Dinkelbach, W. (1969, Programmierung).
Allein schon der Umstand, daß das Optimum nicht mehr auf dem Rand, respektive in einer Ecke (im nicht-degenerierten Fall), des zulässigen Bereichs liegen muß, erschwert die Analyse beträchtlich.
Vgl. Fiacco, A.V. (1983, Introduction), S. 3ff.
Vgl. im allgemeinen Fiacco, A.V. (1983, Introduction), S. 42, S. 62ff. Zu einem kompakten Beispiel: vgl.
McCormick, G.P. (1983, Programming), S. 244ff.
Vgl. Fiacco, A.V. (1983, Introduction), S. 60ff, S. 116ff, S. 185ff.
Vgl. Fiacco, A.V. (1983, Introduction), S. 60.
Vgl. Kleunen, J.P.C. (1987, Tools), S. 147ff, S. 197ff.
Zu Anwendungsbeispiele zum Meta-Modeling: vgl. Starbird, S.A. (1990, Metamodel), S. 229ff;
Gosg, J.B. (1988, Metamodeling), S. 70ff.
Vgl. Fiacco, A.V. (1976, Analysis), S. 287ff. 121 Zu einer detaillierten Darstellung dieser Ergebnisse: vgl.
Fiacco, A.V. (1983, Introduction), S. 72ff.
Zu einer Reihe von Abschätzungen f&ür verschiedene Verteilungsannahmen: vgl. Bamberg, G.; Baur, F. (1984, Statistik), S. 162ff. Zur Abschätzung f&ür den Fall der Normalverteilung:
vgl. Kleijnen, J.P.C. (1987, Tools), S. 47.
Vgl. Bamberg, G.; Baur, F. (1984, Statistik), S. 164.
Vgl. Biethahn, J. (1978, Optimierung), S. 35ff;
Biethahn, J. (1977, Simulation), S. 77f.
Bei linearer Vergrößerung der Stichprobe verrringert sich die Breite des Konfiidenzintervalls jedoch nur sublinear.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 88;
Bitz, M. (1981, Entscheidungstheorie), S. 90ff.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 70ff.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 78.
Vgl. Bitz, M. (1981, Entscheidungstheorie), S. 110ff.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 91.
Vgl. Bamberg, G.; Coenenberg, A.G. (1989, Entscheidungslehre), S. 91.
Vgl. Kap. 4.3.4.
Eine Ausnahme stellt z.B. die Complex-Methode dar: vgl. Kap. 4.3.2.
Vgl. Luenberger, D.G. (1984, Programming), S. 366;
Schwefel, H.-P. (1977, Optimierung), S. 23, S. 72f.
Ein Beispiel ist die Methode der projizierten Gradienten von Rosen: vgl. Bloech, J.; Müller, V. (1983, Optimierung), S.267ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 389ff.
Analog zur Behandlung von Nutzenfunktion bei der Optimierung stochastischer Modelle, vgl. Kap. 4.5.2.
Vgl. Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S. 147f;
Luenberger, D.G. (1984, Programming), S. 366ff;
McCormick, G.P. (1983, Programming), S. 333ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 332ff;
Neumann, K. (1977, Verfahren I), S. 296ff;
Himmelblau, D.M. (1972, Programming), S. 301.
Vgl. Luenberger, D.G. (1984, Programming), S. 369ff;
McCormick, G.P. (1983, Programming), S. 329ff;
Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 342. Bei
Bronstein, I.N.; Semendjajew, K.A. (1991, Ergänzende Kapitel), S. 148, wird die Barrierefunktion eingef&ührt, aber als SUMT-Methode bezeichnet. Zur SUMT-Methode: vgl. Kap. 4.6.3.
Bei Himmelblau werden sie beispielsweise als eine Untergruppe der StraffunktionMethoden behandelt: vgl. Himmelblau, D.M. (1972, Programming), S. 301.
Vgl. Neumann, K. (1977, Verfahren I), S. 298f;
Himmelblau, D.M. (1972, Programming), S. 301.
Vgl. Luenberger, D.G. (1984, Programming), S. 369;
Neumann, K. (1977, Verfahren I), S. 298.
Vgl. Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 347.
Vgl. Fiacco, A.V.; McCormick, G.P. (1964, Technique);
McCormick, G.P. (1983, Programming), S. 329ff;
Himmelblau, D.M. (1972, Programming), S. 310ff.
Vgl. McCormick, G.P. (1983, Programming), S. 350.
Himmelblau, D.M. (1972, Programming), S. 311 ff gibt einen kurzen überblick &über andere, mögliche Formen der Barrierefunktion. Das Attribut “g&ünstig” bezieht sich auf Erfahrungen in der nichtlinerean Programmierung. F&ür die ableitungsfreie Suche kann vermutet werden, daß auch eine einfachere Funktion, wie oben beschrieben, nicht schlechter sein muß, da der Vorteil des Logarithmus als glatter Funktion hier nicht zum Tragen kommt.
Vgl. Himmelblau, D.M. (1972, Programming), S. 314ff.
Vgl. Bazaraa, M.S.; Shetty, C.M. (1979, Programming), S. 344. Schwefel bezeichnet diese Methode als die Barriere-Methode, während er f&ür die Barriere-Methoden, wie sie hier x2014; entsprechend den gängigen Lehrb&üchern — definiert wurden, den Term Partial Penalty Method benutzt:
vgl. Schwefel, H.-P. (1977, Optimierung), S. 22f.
Vgl. Kap. 4.3.1.
k sei der Iterationszähler.
Vgl. Kap. 4.3.1
Vgl. Kap. 4.3.3.
Vgl. Schwefel, H.-P. (1977, Optimierung), S. 74.
Vgl. Neumann, K. (1977, Verfahren I), S. 313ff.
Vgl. Kap. 4.7.3.
Vgl. Kap. 4.7.2.
Vgl. Biethahn, J. (1987, Entscheidungen), S. 88f.
Zu Branch-and-Bound — Ansätzen im allgemeinen: vgl. Neumann, K. (1977, Verfahren I), S. 333ff.
Zu Split-and-Prune — Ansätzen: vgl. Kramer, R.; Morlock, M. (1988, Systeme), S. 15ff.
Vgl. Neumann, K. (1977, Verfahren I), S. 334.
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1992 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Kolb, S. (1992). Optimierung und Simulation als Problemdomäne für EskiMo. In: EskiMo — eine expertensystemkontrollierte Methodenbank. Schriftenreihe Handeln und Entscheiden in komplexen ökonomischen Situationen, vol 2. Physica, Heidelberg. https://doi.org/10.1007/978-3-642-52485-1_5
Download citation
DOI: https://doi.org/10.1007/978-3-642-52485-1_5
Publisher Name: Physica, Heidelberg
Print ISBN: 978-3-7908-0622-9
Online ISBN: 978-3-642-52485-1
eBook Packages: Springer Book Archive