evolutionäre Algorithmen

KI-gestützte Optimierung repetitiver Prozesse

KI-gestützte Optimierung repetitiver Prozesse

Eine Kodierungstechnik für repetitive Prozesse in der evolutionären Optimierung
Christina Plump, Rolf Drechsler, Bernhard J. Berger
Optimierung ist eine wesentliche Fragestellung in vielen Kontexten. Sei es Ressourcen-, Zeit-, Personal- oder nicht zuletzt auch Kosteneffizienz, regelhaft müssen Prozesse, Einstellungen, Zusammensetzungen - die Liste ließe sich beliebig fortsetzen − optimiert werden. Um das Optimierungsproblem zu lösen, gibt es viele unterschiedliche Techniken. Eine besondere Klasse stellen die evolutionären Algorithmen dar, sie zählen zu den populationsbasierten, heuristischen Verfahren. Sie erlauben auch die Optimierung von Problemen mit vielen lokalen Optima oder stark durch Nebenbedingungen eingeschränkten Suchräumen. Gleichzeitig sind sie in der Lage, im Rahmen eines einzelnen Optimierungslaufs mehrere Lösungsmöglichkeiten vorzuschlagen. Ein besonderer Aspekt bei der Verwendung von evolutionären Algorithmen ist die Wahl der korrekten Kodierung oder die wohldefinierte Spezifikation einer Kodierung. Insbesondere bei der Optimierung eines Prozesses, der aus sich wiederholenden ...
Industrie 4.0 Management | 39. Jahrgang | 2023 | Ausgabe 1 | Seite 19-22 | DOI 10.30844/IM_23-1_19-22
I4M 1/2015: Kognitive Systeme

I4M 1/2015: Kognitive Systeme

Intelligente Lösungen für die moderne Fabrik
Das Problemlösen des menschlichen Gehirns ist trotz großer Sprünge im Bereich der Künstlichen Intelligenz unerreicht. Dennoch kommt der Entwicklung kognitiver Systeme in der Fabrik eine hohe Bedeutung zu. Nur mit kombinierten Fortschritten in den Bereichen Computational Intelligence, Machine Learning, Robotik und Sensorik – wie diese Ausgabe der Industrie 4.0 Management zeigt – können intelligente Systeme effektiv verbessert werden.
Optimierte Güterverkehrsplanung mit Evolutionären Algorithmen

Optimierte Güterverkehrsplanung mit Evolutionären Algorithmen

Thomas Weise, Alexander Podlich, Manfred Menze, Christian Gorldt
In diesem Beitrag wird ein Ansatz der Frachttransportplanung mithilfe von evolutionären Algorithmen vorgestellt. Ziel ist es, eine Entscheidungsunterstützung im Bereich der Transportplanung zu schaffen um die Disponenten bei der täglichen Planung zu unterstützen. Ein wichtiges Zielkriterium ist dabei möglichst umweltschonende Transporte zu disponieren, um so z.B. die Transportleistung (km) zu minimieren. Der in diesem Beitrag vorgestellte Prototyp wurde mit realen Daten der DHL auf die Eignung in der Transportplanung getestet. Die Ergebnisse der Berechnung werden dabei mit den realen Frachtplänen verglichen. Weiterhin werden unterschiedliche Einstellungen für den evolutionären Algorithmus experimentell untersucht und deren Nutzbarkeit durch statistische Tests verifiziert.
Industrie Management | 25. Jahrgang | 2009 | Ausgabe 3 | Seite 37-40