Zusammenfassung
Der vorliegende Beitrag untersucht die Frage, wann eine Population von Simulated-Annealing-Prozessen, die über sog. kooperative Transitionen voneinander ‟lernen”, im Vergleich zu unabhängigen Prozessen zu signifikanten Verbesserungen der Effizienz oder der erzielbaren Lösungsqualität für ein gegebenes kombinatorisches Optimierungsproblem führt. Anhand ausgewählter Beispielproblemstellungen zeigen wir, dass dies genau dann der Fall ist, wenn sich die global optimale Lösung im Suchraum in der „Nähe‟ des Zentrums der lokalen Optima befindet. Darüber hinaus wird gezeigt, wie sich eine Veränderung der Kommunikationstopologie der Individuen auf die erzielbaren Ergebnisse auswirkt.
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
Buxmann, P. (Standardisierung 96): Standardisierung betrieblicher Informationssysterne, Wiesbaden (Gabler) 1996.
Crowder, H.; Padberg, M. (Solving TSP 80): Solving large-scale symmetric travelling salesman problems to optimality; Management Science 26 (1980) S. 495–509.
Fisher, H.; Thompson, G.L. (Probabilistic Learning 63): Probabilistic Learning cornbinations of local job-shop scheduling rules; in Muth J.F.; Thomson G.L. (eds.): Industrial Scheduling; Englewood Cliffs (Prentice Hall) 1963.
Goldberg, D.E. (Genetic Algorithms 89): Genetic Algorithms in Search, Optimization, and Machine Learning; Reading MA (Addison-Wesley) 1989.
Golden, B.; Sliscim, C. (Using Simulated Annealing 86): Using Simulated Annealing to Solve Routing and Location Problems; Naval Research Logistics 33 (1986) S. 261–279.
Grötschel, M.; Holland, O. (Solution of TSP 91): Solution of large- scale symmetric travelling salesman problems; Mathematical Programming 51 (1991) S. 141–202.
Hajek, B. (Cooling Schedules 88): Cooling schedules for optimal annealing; Mathematics of Operations Research 13 (1988) S. 311–329.
Holland, J.H. (Natural and Artificial Systems 75): Adaptation in Natural and Artificial Systems: An Introductive Analysis with Applications to Biology, Control and Artificial Intelligence; Ann Arbor (University of Michigan Press) 1975.
Horn, J. (Genetic Algorithms 95): Genetic Algorithms, Problem Difficulty, and the Modality of Fitness Landscapes ; IlliGAL Report No. 95004; ftp://ftpilligal.ge.uiuc.edu/pub/papers/IlliGALs/95004.ps.Z 1995.
Ibaraki, T. (Enumerative Approaches 87): Enumerative Approaches to Combinatorial Optimization; Basel (Baltzer) 1987.
Kirkpatrick, S.; Gelatt, Jr.C.D.; Vecchi, M.P. (Optimization 83): Optimization by Simulated Annealing; Science 220 (1983) S. 671–680.
Laarhoven van, P. J. M.; Aarts, E. H. L. (Simulated Annealing 88): Simulated Annealing. A Review of the Theory and Applications, Dordrecht (Kluwer) 1988.
Lawler, E.L.; Lenstra, J.K.; Rinnooy Kann, A.H.G.; Shmoys, D.B. (The TSP 85): The Traveling Salesman Problem — A Guided Tour of Combinatorial Optimization; Chichester (Wiley) 1985.
Lin, S.; Kernighan, B.W. (Heuristic Algorithm 73): An Effective Heuristic Algorithm for the Travelling- Salesman Problem; Operations Research 21 (1973) S. 498–516.
Metropolis, N.; Rosenbluth, A.; Rosenbluth M.; Teller, A.; Teller, E. (Equation of State Calculations 53): Equation of State Calculations by Fast Computing Machines; Journal of Chemical Physics 21 (1953) S. 1087–1092.
Mole, R.H.; Jameson, S.R. (Route-Building Algorithm 76): A Sequential Route-Building Algorithm Employing a Generalized Savings Criterion; Operational Research Quarterly 27 (1976) S. 503.
Nagel, F. (Muddy 78): Muddy — Ein Verfahren zur Lösung großer Mehrdepot-Lieferplanprobleme; Kiel (Universität Kiel) 1978.
Papadimitriou, C.H. (Combinatorial Optimization 82): Combinatorial Optimization; Englewood Cliffs (Prentice-Hall) 1982.
Wendt, O. (Tourenplanung 95): Tourenplanung durch Einsatz naturanaloger Verfahren; Wiesbaden (Gabler) 1995.
Wendt, O.; Westarp F.V.; König, W. (Pricing 00): Pricing in Network Effect Markets; erscheint in Proceedings of the ECIS 2000: European Conference on Information Systems, Juli 2000, Wien.
Westarp, F.V.; Wendt, O. (Diffusion Follows Structure 00): Diffusion Follows Structure; A Network Model of the Software Market; Proceedings of the 33rd Hawaii International Conference on System Sciences (HICSS 33), Januar 2000.
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 2001 Springer Fachmedien Wiesbaden
About this chapter
Cite this chapter
König, W., Wendt, O. (2001). Kooperative lokale Suche Wann lohnt der Heterogenitätsverlust?. In: Jahnke, B., Wall, F. (eds) IT-gestützte betriebswirtschaftliche Entscheidungsprozesse. Gabler Verlag, Wiesbaden. https://doi.org/10.1007/978-3-663-05864-9_5
Download citation
DOI: https://doi.org/10.1007/978-3-663-05864-9_5
Publisher Name: Gabler Verlag, Wiesbaden
Print ISBN: 978-3-663-05865-6
Online ISBN: 978-3-663-05864-9
eBook Packages: Springer Book Archive