Your email was sent successfully. Check your inbox.

An error occurred while sending the email. Please try again.

Proceed reservation?

Export
  • 1
    Electronic Resource
    Electronic Resource
    Springer
    OR spectrum 17 (1995), S. 55-66 
    ISSN: 1436-6304
    Keywords: Local search ; simulated annealing ; tabu search ; genetic algorithms ; machine learning ; knowledge based information systems ; Lokale Suche ; Simulated Annealing ; Tabu Search ; Genetische Algorithmen ; Maschinelles Lernen ; Wissensbasierte Informationssysteme
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung Aus drei Gründen stellen wir diesem Sonderheft „Applied Local Search“ ein erweitertes Vorwort voran. Erstens sollen die mittlerweile bereits als klassisch zu bezeichnenden Strukturen und Ideen von dem, was derzeit unter lokaler Suche verstanden wird, vorgestellt werden. Simulated Annealing, Tabu Search and Genetische Algorithmen werden somit in ihren Grandelementen beschrieben, wobei der Schwerpunkt bewußt auf Tabu Search liegt, das sich derzeit als beste Strategie zur Lösung kombinatorischer Optimierungsprobleme etabliert hat. Neuere und mittlerweile sehr erfolgreiche aber immer noch wenig bekannte Ideen, wie die Reverse Elimination Methode und Ejection Chains, werden ebenfalls im Rahmen von Tabu Search vorgestellt. Zweites Anliegen ist, die Einbettung von lokalen Suchverfahren in einem allgemeineren Kontext wissensbasierter Informationssysteme zu beschreiben. Lokale Suche wird dabei als ein Paradigma maschinellen Lernens betrachtet. Schließlich soll dieses Vorwort ebenfalls einen kurzen Überblick der in diesem Heft enthaltenen Arbeiten geben und sie aufgrund der Verfahren und Modelle gruppieren.
    Notes: Abstract The idea of this extended foreword to the special issue on applied local search is threefold. Firstly, we provide a brief and fundamental description of what is nowadays called local search. Components which have meanwhile become an integral part of the classical aspects on simulated annealing, tabu search and genetic algorithms are reviewed. Furthermore, today tabu search can be considered as the major pillar of local search. Hence, attention is drawn to a couple of tabu search issues more recently developed such as the reverse elimination method and ejection chains. Secondly, local search based knowledge engineering is developed to constitute a substantial part of knowledge based information systems. Within this general setting local search will be considered as one particular paradigm of machine learning. Thirdly, we are going to introduce what is considered to be the main subject of this issue, local search applications. We briefly embed the contents of the subsequent papers and group them with respect to their particular methods and models within the above mentioned framework.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 2
    ISSN: 1436-6304
    Keywords: Information systems architecture ; business Systems planning ; cluster analysis ; genetic algorithms ; Architektur von Informationssystemen ; Business Systems Planning ; Cluster-Analyse ; Genetische Algorithmen
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung Zur Entwicklung von Architekturen von Informationssystemen (ISA) wird vielfach das Business-Systems-Planning-(BSP)-Konzept vorgeschlagen. Ein Teilproblem dieses Planungskonzepts besteht darin, unter Berücksichtigung von Optimalitätskriterien Unternehmensprozesse und Datenbestände zu möglichst voneinander unabhängigen Teilsystemen zusammenzufassen. Da die Leistungsgrenzen von exakten Optimierungsverfahren für dieses Problem rasch erreicht werden, interessiert der Einsatz von heuristischen Verfahren. Zunächst werden das BSP-Problem und die Vorgehensweise genetischer Algorithmen kurz erläutert. Danach wird die Anwendung eines einfachen genetischen Algorithmus auf das BSP-Problem beschrieben. Ein Vergleich mit Ergebnissen exakter Verfahren bildet einen weiteren wichtigen Bestandteil der Untersuchung.
    Notes: Abstract While determining information systems architectures (ISA), business systems planning (BSP) is a well-known method to join processes and data classes to subsystems. BSP matrices have generally been rearranged without describing the underlying methods. Meanwhile, various techniques have been developed for solving the ISA problem. Since exact optimization methods often fail to provide results for large ISA problems, different heuristics have been applied. A new heuristic for solving the ISA problem is the application of genetic algorithms (GA). This paper examines the application of a simple GA to the ISA problem and compares the results of applying the GA with those obtained by exact methods.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 3
    ISSN: 1436-6304
    Keywords: Supersequences ; heuristics ; genetic algorithms ; Supersequenzen ; Heuristiken ; Genetische Algorithmen
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Summary In diesem Artikel werden verschiedene Heuristiken und ein Genetischer Algorithmus (GA) für das Shortest Common Supersequence (SCS) Problem vorgestellt — ein NP-vollständiges Problem mit Anwendungen in den Bereichen Produktionsplanung, Maschinenbau und Datenkompression. Die von uns vorgestellten Heuristiken verhalten sich im schlechtesten Fall ähnlich wie die klassische Majority Merge (MM) Heuristik, übertreffen MM jedoch in beinahe allen Testfällen. Desweiteren beschreiben wir einen Genetischen Algorithmus, dem eine leicht veränderte Version einer der vorgestellten neuen Heuristiken zugrundeliegt. Das so entstandene GA/Heuristik Hybridverfahren liefert abermals signifikant bessere Ergebnisse als die anderen Heuristiken, benötigt dafür jedoch erheblich mehr Zeit.
    Notes: Abstract In this paper several heuristics and a genetic algorithm (GA) are described for the Shortest Common Supersequence (SCS) problem, an NP-complete problem with applications in production planning, mechanical engineering and data compression. While our heuristics show the same worst case behaviour as the classical Majority Merge heuristic (MM) they outperform MM on nearly all our test instances. We furthermore present a genetic algorithm based on a slightly modified version of one of the new heuristics. The resulting GA/heuristic hybrid yields significantly better results than any of the heuristics alone, though the running time is much higher.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 4
    ISSN: 1436-6304
    Keywords: Key words: Information systems architecture ; business systems planning ; cluster analysis ; genetic algorithms ; Schlüsselwörter: Architektur von Informationssystemen ; Business Systems Planning ; Cluster-Analyse ; Genetische Algorithmen
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung. Zur Entwicklung von Architekturen von Informationssystemen (ISA) wird vielfach das Business-Systems-Planning-(BSP)-Konzept vorgeschlagen. Ein Teilproblem dieses Planungskonzepts besteht darin, unter Berücksichtigung von Optimalitätskriterien Unternehmensprozesse und Datenbestände zu möglichst voneinander unabhängigen Teilsystemen zusammenzufassen. Da die Leistungsgrenzen von exakten Optimierungsverfahren für dieses Problem rasch erreicht werden, interessiert der Einsatz von heuristischen Verfahren. Zunächst werden das BSP-Problem und die Vorgehensweise genetischer Algorithmen kurz erläutert. Danach wird die Anwendung eines einfachen genetischen Algorithmus auf das BSP-Problem beschrieben. Ein Vergleich mit Ergebnissen exakter Verfahren bildet einen weiteren wichtigen Bestandteil der Untersuchung.
    Notes: Abstract. While determining information systems architectures (ISA), business systems planning (BSP) is a well-known method to join processes and data classes to subsystems. BSP matrices have generally been rearranged without describing the underlying methods. Meanwhile, various techniques have been developed for solving the ISA problem. Since exact optimization methods often fail to provide results for large ISA problems, different heuristics have been applied. A new heuristic for solving the ISA problem is the application of genetic algorithms (GA). This paper examines the application of a simple GA to the ISA problem and compares the results of applying the GA with those obtained by exact methods.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 5
    Electronic Resource
    Electronic Resource
    Springer
    OR spectrum 17 (1995), S. 87-92 
    ISSN: 1436-6304
    Keywords: Genetic algorithms ; job shop scheduling ; permutation operators ; Genetische Algorithmen ; Maschinenbelegungsplanung ; permutationsbewahrende Operatoren
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung Im vorliegenden Beitrag wird ein neuer Ansatz zur genetischen Repräsentation des Maschinenbelegungsproblems vorgestellt. Der Ansatz basiert auf dem bekannten Konzept der Repräsentation von Rundreiseproblemen durch Permutationen. In Erweiterung dieses Konzepts werden „Permutationen mit Wiederholung“ zur Kodierung von Lösungen eingesetzt. Die zentrale Schwierigkeit vorangegangener Ansätze, nämlich die Behandlung unzulässiger Genotypen, entfällt vollständig. Permutationen mit Wiederholung repräsentieren grundsätzlich zulässige Lösungen des betrachteten Problems. Aus einer Generalisierung der permutationsbewahrenden Order-Crossover Technik (OX) wird der KreuzungsoperatorGOX (GeneralisiertesOX) für Permutationen mit Wiederholung abgeleitet. In einer Testreihe wird die mit dem neuen Konzept zu erreichende Lösungsgüte untersucht. Es zeigt sich, daß die kooperative Komponente der genetischen Suche durch die Repräsentation und ihren Kreuzungsoperator verstärkt wird. Ein einfacher genetischer Algorithmus erzielt Lösungsgüten, die zuvor nur von stark hybriden Algorithmen erreicht wurden.
    Notes: Abstract In order to sequence the tasks of a job shop problem (JSP) on a number of machines related to the technological machine order of jobs, a new representation technique — mathematically known as “permutation with repetition” is presented. The main advantage of this single chromosome representation is — in analogy to the permutation scheme of the traveling salesman problem (TSP) — that it cannot produce illegal operation sequences. As a consequence of the representation scheme a new crossover operator preserving the initial scheme structure of permutations with repetition will be sketched. Its behavior is similar to the well known Order-Crossover for simple permutation schemes. Actually theGOX operator for permutations with repetition arises from aGeneralisation ofOX. Computational experiments show, that GOX passes the information from a couple of parent solutions efficiently to offspring solutions. Together, the new representation and GOX support the cooperative aspect of genetic search for scheduling problems strongly.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 6
    ISSN: 1436-6304
    Keywords: Genetic search algorithm ; job scheduling ; sequence dependent setup costs ; Genetische Algorithmen ; Maschinenbelegungsplanung ; reihenfolgeabhängige Rüstkosten
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung Betrachtet wird ein dynamisches Problem der Reihenfolgeplanung in einem Walzwerk. Ziel ist die Minimierung der Summe aus Lagerkosten für Halbfertigfabrikate und reihenfolgeabhängigen Rüstkosten. Zur Lösung wird ein genetischer Algorithmus benutzt. Zur Beurteilung der Leistungsfähigkeit des Verfahrens werden für kleinere Probleme exakte Lösungen herangezogen, für größere Probleme erfolgt ein Vergleich mit prioritätsregelbasierten Verfahren.
    Notes: Abstract This article presents some results from the application of a genetic search algorithm to solve a job scheduling problem where setup costs depend on the order of the jobs. An empirical study shows that, for small problems, the solutions given by the genetic algorithm are as good as those obtained with a mixed-integer linear program. For larger problems that are computationally infeasible, we benchmark the genetic solutions against traditional scheduling heuristics. We also study different population management strategies that can improve the performance of the algorithm. Finally, future research avenues are discussed.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
Close ⊗
This website uses cookies and the analysis tool Matomo. More information can be found here...