In der Automatisierung wird die Genetische Programmierung zur Modellbildung von komplexen Systemen und zum Reglerentwurf eingesetzt. Die Genetische Programmierung nimmt die biologische Evolution als Vorbild und ahmt sie nach. Mathematische Modelle werden dazu als Individuen kodiert und über eine Anzahl von Generationen hinweg evolutionär selektiert und verändert.
Bei einem Evolutionslauf über mehrere Generationen fällt mit vielen Individuen eine kaum zu überblickende, große Datenmenge an. Deshalb sind die Auswirkungen einer für die Genetische Programmierung gewählten Konfiguration für den Anwender nur schwer zu kontrollieren. Für den Modellbildner ist es wichtig, den Ablauf und die Ergebnisse der Genetischen Programmierung schnell analysieren und bewerten zu können. Diese Arbeit bestimmt, erprobt und bewertet daher Methoden und Verfahren, die eine tiefergehende Analyse des Evolutionsvorgangs durch eine geeignete Visualisierung ermöglichen.
Das neuartige Artenkonzept fasst ähnliche Individuen zu Arten zusammen, um sie so visualisieren zu können. Die Arten ermöglichen eine konzentrierte Analyse, die mit allen Individuen aufgrund deren großer Anzahl nicht möglich wäre. Die Artenbildung basiert auf der Bestimmung der Ähnlichkeit von Individuen. Bekannte und neue Merkmale und Distanzmaße zum Vergleich von Individuen werden daher vorgestellt und bezüglich ihrer Anwendbarkeit für die Artenbildung neu bewertet.
Zur Darstellung der evolutionären Abstammungslinien der Arten wurde der Artengraph entwickelt, der die aus den zwischen Individuen berechneten Distanzen, Abstammungen und Fitnesswerten aggregiert und so die Divergenz von Populationen visualisiert. Der Artengraph ist dem aus der Biologie bekannten Stammbaum nachempfunden und ermöglicht eine konzentrierte, effiziente und zeitnahe Analyse eines Optimierungslaufs.
Anhand einer Reglerentwicklung für einen Antennenarm konnte die Anwendung der entwickelten Visualisierungstechniken erfolgreich gezeigt werden. Die Analyse mittels Artengraph der evolutionären Entwicklung von Individuen während eines Optimierungslaufs führte zu einer verbesserten Parametrisierung der Genetischen Programmierung. Dies konnte mit nur wenigen Optimierungsläufen und damit geringem Zeitaufwand erreicht werden.
Dokument | Abstract / Kurzzusammenfassung | |||
Dateiart | ||||
Kosten | frei | |||
Aktion | Anzeigen der Datei | |||
Aktion | Download der Datei | |||
Dokument | Gesamtdokument | |||
Dateiart | ||||
Kosten | 37,35 € | |||
Aktion | Zahlungspflichtig kaufen und anzeigen der Datei | |||
Aktion | Zahlungspflichtig kaufen und download der Datei | |||
Dokument | Inhaltsverzeichnis | |||
Dateiart | ||||
Kosten | frei | |||
Aktion | Anzeigen der Datei | |||
Aktion | Download der Datei | |||