http://dev.kaibel.net/index.php?action=history&feed=atom&title=Optimierungsverfahren 2026-08-26T02:26:25Z Versionsgeschichte dieser Seite in dev.kaibel.net MediaWiki 1.43.0 http://dev.kaibel.net/index.php?title=Optimierungsverfahren&diff=162&oldid=prev 2026-02-28T09:59:58Z

<p>Die Seite wurde neu angelegt: „= Optimierungsverfahren = == Definition == Optimierungsverfahren sind mathematische und algorithmische Methoden zur Bestimmung einer optimalen Lösung aus einer Menge möglicher Lösungen unter gegebenen Nebenbedingungen. Ziel ist es, eine Zielfunktion zu minimieren oder zu maximieren. == Grundlagen == === Zielfunktion === Die Zielfunktion beschreibt das Kriterium, das optimiert werden soll. Beispiele: * Minimierung von Kosten * Maximierung von Gewinn…“</p> <p><b>Neue Seite</b></p><div>= Optimierungsverfahren =<br /> <br /> == Definition ==<br /> Optimierungsverfahren sind mathematische und algorithmische Methoden zur Bestimmung einer optimalen Lösung aus einer Menge möglicher Lösungen unter gegebenen Nebenbedingungen. Ziel ist es, eine Zielfunktion zu minimieren oder zu maximieren.<br /> <br /> == Grundlagen ==<br /> <br /> === Zielfunktion ===<br /> Die Zielfunktion beschreibt das Kriterium, das optimiert werden soll.<br /> <br /> Beispiele:<br /> * Minimierung von Kosten<br /> * Maximierung von Gewinn<br /> * Minimierung von Laufzeit<br /> <br /> === Entscheidungsvariablen ===<br /> Variablen, die im Optimierungsprozess verändert werden können.<br /> <br /> === Nebenbedingungen ===<br /> Einschränkungen, die eingehalten werden müssen.<br /> <br /> Beispiel:<br /> * Budgetgrenzen<br /> * physikalische Grenzen<br /> * Kapazitäten<br /> <br /> === Lösungsraum ===<br /> Die Menge aller möglichen Lösungen, die die Nebenbedingungen erfüllen.<br /> <br /> === Optimale Lösung ===<br /> Eine Lösung ist optimal, wenn sie den besten Wert der Zielfunktion im Lösungsraum erreicht.<br /> <br /> ---<br /> <br /> == Klassifikation von Optimierungsverfahren ==<br /> <br /> === Nach Anzahl der Zielgrößen ===<br /> <br /> ==== Single-Objective Optimierung ====<br /> * Nur eine Zielfunktion<br /> * Eindeutige optimale Lösung<br /> * Totale Ordnung möglich<br /> <br /> Beispiel:<br /> : Minimierung der Produktionskosten<br /> <br /> ==== Multi-Objective Optimierung ====<br /> * Mehrere Zielgrößen<br /> * Zielkonflikte möglich<br /> * Ergebnis ist eine Pareto-Front<br /> <br /> Beispiel:<br /> : Minimierung von Kosten und Maximierung der Qualität<br /> <br /> ---<br /> <br /> === Nach Problemstruktur ===<br /> <br /> ==== Lineare Optimierung ====<br /> * Zielfunktion und Nebenbedingungen sind linear<br /> * Beispiel: Simplex-Verfahren<br /> <br /> ==== Nichtlineare Optimierung ====<br /> * Mindestens eine Funktion ist nichtlinear<br /> * Komplexer Lösungsraum<br /> <br /> ==== Diskrete Optimierung ====<br /> * Variablen sind ganzzahlig oder diskret<br /> <br /> ==== Kombinatorische Optimierung ====<br /> * Suche nach optimaler Kombination<br /> * Beispiel: Traveling Salesman Problem<br /> <br /> ---<br /> <br /> === Nach Lösungsstrategie ===<br /> <br /> ==== Exakte Verfahren ====<br /> * Finden garantiert optimale Lösungen<br /> * Oft hoher Rechenaufwand<br /> <br /> Beispiele:<br /> * Branch-and-Bound<br /> * Simplex-Verfahren<br /> <br /> ==== Heuristische Verfahren ====<br /> * Finden gute, aber nicht zwingend optimale Lösungen<br /> * Schneller als exakte Verfahren<br /> <br /> Beispiele:<br /> * Greedy-Algorithmen<br /> * Lokale Suche<br /> <br /> ==== Metaheuristische Verfahren ====<br /> * Allgemeine Strategien zur Lösung komplexer Probleme<br /> <br /> Beispiele:<br /> * Genetische Algorithmen<br /> * Simulated Annealing<br /> * Ant Colony Optimization<br /> * Particle Swarm Optimization<br /> <br /> ---<br /> <br /> == Pareto-basierte Optimierung ==<br /> <br /> Bei Mehrzielproblemen wird oft das Konzept der Pareto-Optimalität verwendet.<br /> <br /> === Pareto-Dominanz ===<br /> Eine Lösung A dominiert B, wenn:<br /> * A ist in allen Zielen mindestens gleich gut<br /> * A ist in mindestens einem Ziel besser<br /> <br /> === Pareto-Front ===<br /> Menge aller nicht dominierten Lösungen.<br /> <br /> Eigenschaften:<br /> * Kein eindeutiges Optimum<br /> * Entscheidung erfolgt nach Präferenzen<br /> <br /> ---<br /> <br /> == Single Objective Ranking ==<br /> <br /> Bei Single-Objective Problemen können Lösungen eindeutig sortiert werden.<br /> <br /> Eigenschaften:<br /> * Totale Ordnung<br /> * Vergleichbarkeit aller Lösungen<br /> * Eindeutige beste Lösung<br /> <br /> ---<br /> <br /> == Typische Algorithmen ==<br /> <br /> === Deterministische Verfahren ===<br /> * Gradientenverfahren<br /> * Newton-Verfahren<br /> <br /> === Evolutionäre Algorithmen ===<br /> * Genetische Algorithmen<br /> * NSGA-II<br /> * SPEA2<br /> <br /> === Stochastische Verfahren ===<br /> * Simulated Annealing<br /> * Random Search<br /> <br /> ---<br /> <br /> == Anwendungsgebiete ==<br /> <br /> * Maschinenbau (Leichtbau vs. Stabilität)<br /> * Logistik (Routenoptimierung)<br /> * Informatik (Scheduling, KI)<br /> * Wirtschaft (Portfolio-Optimierung)<br /> * Energie (Netzoptimierung)<br /> * Landwirtschaft (z. B. Düngemitteloptimierung)<br /> <br /> ---<br /> <br /> == Vergleich: Single vs. Multi Objective ==<br /> <br /> {| class=&quot;wikitable&quot;<br /> ! Kriterium !! Single Objective !! Multi Objective<br /> |-<br /> | Anzahl Ziele || 1 || mehrere<br /> |-<br /> | Ergebnis || eine Lösung || mehrere Lösungen (Pareto-Front)<br /> |-<br /> | Ordnung || total || partiell<br /> |-<br /> | Entscheidungsfindung || eindeutig || abhängig von Präferenzen<br /> |}<br /> <br /> ---<br /> <br /> == Herausforderungen ==<br /> <br /> * Hohe Rechenkomplexität<br /> * Lokale Optima<br /> * Skalierbarkeit<br /> * Modellierungsaufwand<br /> * Zielkonflikte<br /> <br /> ---<br /> <br /> == Begriffe ==<br /> <br /> * Zielfunktion<br /> * Lösungsraum<br /> * Nebenbedingungen<br /> * Pareto-Optimalität<br /> * Heuristik<br /> * Metaheuristik<br /> <br /> ---<br /> <br /> == Literatur ==<br /> <br /> * Papadimitriou, C.: &#039;&#039;Combinatorial Optimization&#039;&#039;<br /> * Deb, K.: &#039;&#039;Multi-Objective Optimization using Evolutionary Algorithms&#039;&#039;<br /> * Nocedal, J.: &#039;&#039;Numerical Optimization&#039;&#039;<br /> <br /> ---<br /> <br /> == Siehe auch ==<br /> <br /> * [[Maschinelles Lernen]]<br /> * [[Algorithmus]]<br /> * [[Künstliche Intelligenz]]<br /> * [[Lineare Programmierung]]<br /> * [[Genetischer Algorithmus]]</div>

PhilKa