This title is printed to order. This book may have been self-published. If so, we cannot guarantee the quality of the content. In the main most books will have gone through the editing process however some may not. We therefore suggest that you be aware of this before ordering this book. If in doubt check either the author or publisher’s details as we are unable to accept any returns unless they are faulty. Please contact us if you have any questions.
Masterarbeit aus dem Jahr 2011 im Fachbereich BWL - Unternehmensforschung, Operations Research, Note: 1,3, Helmut-Schmidt-Universitat - Universitat der Bundeswehr Hamburg, Sprache: Deutsch, Abstract: Mehrdimensionale Problemstellungen finden sich in allen wissenschaftlichen Bereichen, in denen Ziele und Entscheidungen das Ergebnis mehrerer, oft konfliktionaren, Entscheidungsvariablen sind. Komplexitat und Anwendbarkeit haben nicht zuletzt durch den Einsatz der Informationstechnologie stark zugenommen und an Bedeutung fur die Wissenschaft gewonnen. Vor allem das Abbilden realer Situationen, wie sie zum Beispiel in den Ingenieursbereichen vorkommen, ist oft nur mit komplexen Funktionen moeglich, welche nur unter enormem Zeitaufwand oder starker Approximation loesbar sind. Die zeiteffiziente Loesung solcher Probleme ist somit ein wissenschaftliches Anliegen und fuhrt zu immer neuen Optimierungsverfahren. Gegenstand dieser Ausarbeitung soll das von Kennedy und Eberhart Mitte der 1990er-Jahre publizierte Verfahren der Partikelschwarmoptimierung sein. Dieser evolutionare und auf sozialen Strukturen basierende Algorithmus, dessen Ergebnisse stark von externen Parametern abhangen, soll hier auf die Moeglichkeit einer optimalen Parameterwahl empirisch untersucht werden. Die Ausarbeitung wird beweisen, dass fur das betrachtete Problem sogenannte Regionen guter Parameterqualitaten existieren, in denen jene Parameter der Partikelschwarmoptimierung liegen, welche zu optimalen Ergebnissen fuhren. Basierend auf dieser Beobachtung wird gezeigt werden, dass die Kenntnis von der Position einer solchen Region genugt, um uber eine gezielte Stichprobe im entsprechenden Parameterbereich zu annahernd global optimalen Ergebnissen zu gelangen. Abschliessend 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 durchgefuhrten Erhebung reduziert.
