http://dev.kaibel.net/index.php?action=history&feed=atom&title=Pareto-Optimierung 2026-05-15T09:09:37Z Versionsgeschichte dieser Seite in dev.kaibel.net MediaWiki 1.43.0 http://dev.kaibel.net/index.php?title=Pareto-Optimierung&diff=166&oldid=prev 2026-02-28T10:06:44Z

<p>Die Seite wurde neu angelegt: „= Pareto-Optimierung = == Definition == Die &#039;&#039;&#039;Pareto-Optimierung&#039;&#039;&#039; ist ein Konzept der Mehrzieloptimierung, bei dem nicht eine einzelne optimale Lösung gesucht wird, sondern eine Menge von Lösungen, die sogenannte &#039;&#039;&#039;Pareto-Front&#039;&#039;&#039;. Diese enthält alle Lösungen, bei denen keine Verbesserung eines Ziels möglich ist, ohne gleichzeitig ein anderes Ziel zu verschlechtern. --- == Grundlagen == === Mehrzielprobleme === Pareto-Optimierung wird bei Pro…“</p> <p><b>Neue Seite</b></p><div>= Pareto-Optimierung =<br /> <br /> == Definition ==<br /> Die &#039;&#039;&#039;Pareto-Optimierung&#039;&#039;&#039; ist ein Konzept der Mehrzieloptimierung, bei dem nicht eine einzelne optimale Lösung gesucht wird, sondern eine Menge von Lösungen, die sogenannte &#039;&#039;&#039;Pareto-Front&#039;&#039;&#039;. Diese enthält alle Lösungen, bei denen keine Verbesserung eines Ziels möglich ist, ohne gleichzeitig ein anderes Ziel zu verschlechtern.<br /> <br /> ---<br /> <br /> == Grundlagen ==<br /> <br /> === Mehrzielprobleme ===<br /> Pareto-Optimierung wird bei Problemen mit mehreren Zielfunktionen angewendet:<br /> <br /> : f(x) = (f₁(x), f₂(x), ..., fₙ(x))<br /> <br /> Typische Zielkonflikte:<br /> * Kosten vs. Qualität<br /> * Leistung vs. Energieverbrauch<br /> * Geschwindigkeit vs. Genauigkeit<br /> <br /> ---<br /> <br /> === Dominanzbegriff ===<br /> <br /> ==== Pareto-Dominanz ====<br /> Eine Lösung A dominiert eine Lösung B, wenn:<br /> * A ist in allen Zielfunktionen mindestens so gut wie B<br /> * A ist in mindestens einer Zielfunktion besser<br /> <br /> Formal:<br /> : A ≺ B<br /> <br /> ---<br /> <br /> === Pareto-optimale Lösung ===<br /> Eine Lösung ist &#039;&#039;&#039;pareto-optimal&#039;&#039;&#039;, wenn sie von keiner anderen Lösung dominiert wird.<br /> <br /> ---<br /> <br /> === Pareto-Front ===<br /> Die Menge aller pareto-optimalen Lösungen wird als &#039;&#039;&#039;Pareto-Front&#039;&#039;&#039; bezeichnet.<br /> <br /> Eigenschaften:<br /> * Enthält nur nicht-dominierte Lösungen<br /> * Stellt optimale Kompromisse dar<br /> * Keine Lösung ist global überlegen<br /> <br /> ---<br /> <br /> == Beispiel ==<br /> <br /> Ziel:<br /> * Minimierung der Kosten<br /> * Maximierung der Qualität<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Lösung !! Kosten (€) !! Qualität (%) !! Bewertung<br /> |-<br /> | A || 100 || 70 || Pareto-optimal<br /> |-<br /> | B || 120 || 90 || Pareto-optimal<br /> |-<br /> | C || 150 || 85 || dominiert (durch B)<br /> |}<br /> <br /> Begründung:<br /> * Lösung C ist teurer und schlechter als B → wird dominiert<br /> * A und B liegen auf der Pareto-Front<br /> <br /> ---<br /> <br /> == Mathematische Formulierung ==<br /> <br /> Gegeben:<br /> * Entscheidungsraum: X<br /> * Zielfunktionen: f(x)<br /> <br /> Gesucht:<br /> : Menge P ⊆ X, sodass ∀x ∈ P gilt:<br /> : ∄ y ∈ X mit y dominiert x<br /> <br /> ---<br /> <br /> == Visualisierung ==<br /> <br /> Die Pareto-Front wird im Zielraum dargestellt, typischerweise als Kurve (bei zwei Zielen) oder Fläche (bei mehreren Zielen).<br /> <br /> ---<br /> <br /> == Verfahren zur Bestimmung der Pareto-Front ==<br /> <br /> === Exakte Verfahren ===<br /> * Vollständige Enumeration (bei kleinen Problemen)<br /> * Lineare Programmierung mit Erweiterungen<br /> <br /> ---<br /> <br /> === Evolutionäre Algorithmen ===<br /> <br /> ==== NSGA-II ====<br /> * Schnelle nicht-dominierte Sortierung<br /> * Erhaltung der Diversität durch Crowding Distance<br /> <br /> ==== SPEA2 ====<br /> * Fitness basiert auf Dominanzbeziehungen<br /> * Externe Archivierung der besten Lösungen<br /> <br /> ==== NSGA-III ====<br /> * Speziell für viele Ziele (Many-Objective Optimization)<br /> <br /> ==== MOEA/D ====<br /> * Zerlegung in mehrere Teilprobleme<br /> <br /> ---<br /> <br /> === Weitere Ansätze ===<br /> <br /> * Gewichtete Summe<br /> * ε-Constraint-Methode<br /> * Goal Programming<br /> <br /> ---<br /> <br /> == Eigenschaften ==<br /> <br /> * Keine totale Ordnung<br /> * Partielle Ordnung durch Dominanz<br /> * Ergebnis ist eine Lösungsmenge<br /> * Entscheidung erfolgt nach Präferenzen<br /> <br /> ---<br /> <br /> == Vorteile ==<br /> <br /> * Realistische Modellierung von Zielkonflikten<br /> * Transparente Darstellung von Trade-offs<br /> * Flexibilität für Entscheidungsprozesse<br /> <br /> ---<br /> <br /> == Nachteile ==<br /> <br /> * Hoher Rechenaufwand<br /> * Schwierige Visualisierung bei vielen Zielen<br /> * Auswahl der finalen Lösung nicht trivial<br /> <br /> ---<br /> <br /> == Herausforderungen ==<br /> <br /> * Konvergenz zur Pareto-Front<br /> * Diversität der Lösungen<br /> * Skalierung bei vielen Zielen<br /> * Entscheidungsunterstützung<br /> <br /> ---<br /> <br /> == Vergleich mit Single Objective Optimierung ==<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Kriterium !! Single Objective !! Pareto-Optimierung<br /> |-<br /> | Anzahl Ziele || 1 || mehrere<br /> |-<br /> | Ergebnis || eine Lösung || Pareto-Menge<br /> |-<br /> | Ordnung || total || partiell<br /> |-<br /> | Entscheidungsfindung || eindeutig || abhängig von Präferenzen<br /> |}<br /> <br /> ---<br /> <br /> == Anwendungsgebiete ==<br /> <br /> * Ingenieurwesen (Designoptimierung)<br /> * Logistik (Kosten vs. Zeit)<br /> * Energie (Effizienz vs. Emissionen)<br /> * Informatik (Performance vs. Ressourcenverbrauch)<br /> * Landwirtschaft (Ertrag vs. Umweltbelastung)<br /> * Finanzwesen (Risiko vs. Rendite)<br /> <br /> ---<br /> <br /> == Wichtige Begriffe ==<br /> <br /> * Pareto-Dominanz<br /> * Pareto-Front<br /> * Zielkonflikt<br /> * Multi-Objective Optimization<br /> * Trade-off<br /> <br /> ---<br /> <br /> == Literatur ==<br /> <br /> * Deb, K.: &#039;&#039;Multi-Objective Optimization using Evolutionary Algorithms&#039;&#039;<br /> * Coello Coello, C.: &#039;&#039;Evolutionary Algorithms for Solving Multi-Objective Problems&#039;&#039;<br /> <br /> ---<br /> <br /> == Siehe auch ==<br /> <br /> * [[Multi-Objective Optimization]]<br /> * [[Single Objective Ranking]]<br /> * [[Optimierungsverfahren]]<br /> * [[Genetischer Algorithmus]]<br /> * [[Heuristik]]</div>

PhilKa