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
    Electronic Resource
    Electronic Resource
    Springer
    OR spectrum 17 (1995), S. 125-137 
    ISSN: 1436-6304
    Keywords: Heuristics ; integer programming ; genetic algorithms ; scatter search ; Scatter search (gestreute Suche) ; genetische Algorithmen ; Sternpfade ; Projektion
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung Scatter Search (gestreute Suche) und genetische Algorithmen weisen eine Anzahl einander komplementärer Eigenschaften auf. Trotz verschiedenen Ursprungs haben sich in den letzten Jahren, insbesondere auch aufgrund zahlreicher Modifikationen genetischer Verfahren, zunehmend mehr Gemeinsamkeiten herausgeschält, die in erster Linie auch durch die Übertragung von Scatter Search Features in genetische Algorithmen entstanden. Einige grundlegende Aspekte von Scatter Search sind bisher jedoch in genetischen Algorithmen — im engeren Sinne — nicht berücksichtigt. Es zeigt sich, daß mittels Scatter Search Kombinationen von Lösungen generiert werden können, deren Eigenschaften entscheidend die kombinatorische Struktur der zugrundeliegenden Optimierungsprobleme widerspiegeln. Im Falle binärer Optimierungsprobleme werden durch Projektionen Lösungen zu sog. Sternpfaden (star-paths) kombiniert, von denen aus jeweils optimale Lösungen erzeugt werden können. Mögliche Ergänzungen durch Schnittebenen zur Exploration des Lösungsraumes legen nahe, der Kombination von Lösungen (vgl. etwa die Rekombination bei genetischen Algorithmen) zur Erzeugung problemspezifischen Wissens mehr Aufmerksamkeit zu schenken als bisher.
    Notes: Abstract Scatter search and genetic algorithms have originated from somewhat different traditions and perspectives, yet exhibit features that are strongly complementary. Links between the approaches have increased in recent years as variants of genetic algorithms have been introduced that embody themes in closer harmony with those of scatter search. Some researchers are now beginning to take advantage of these connections by identifying additional ways to incorporate elements of scatter search into genetic algorithm approaches. There remain aspects of the scatter approach that have not been exploited in conjunction with genetic algorithms, yet that provide ways to achieve goals that are basic to the genetic algorithm design. Part of the gap in implementing hybrids of these procedures may derive from relying too literally on the genetic metaphor, which in its narrower interpretation does not readily accommodate the strategic elements underlying scatter search. The theme of this paper is to show there are benefits to be gained by going beyond a perspective constrained too tightly by the connotations of the term “genetic”. We show that the scatter search framework directly leads to processes for combining solutions that exhibit special properties for exploiting combinatorial optimization problems. In the setting of zero-one integer programming, we identify a mapping that gives new ways to create combined solutions, producing constructions calledstar-paths for exploring the zero-one solution space. Star-path trajectories have the special property of lying within regions assured to include optimal solutions. They also can be exploited in association with both cutting plane and extreme point solution approaches. These outcomes motivate a deeper look into current conceptions of appropriate ways to combine solutions, and disclose there are more powerful methods to derive information from these combinations than those traditionally applied.
    Type of Medium: Electronic Resource
    Signatur Availability
    BibTip Others were also interested in ...
  • 5
    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 ...
  • 6
    ISSN: 1436-6304
    Keywords: Sequencing ; project scheduling ; search neighborhoods ; genetic algorithms ; Reihenfolgeplanung ; Netzplantechnik ; Nachbarschaftssuche ; genetische Algorithmen
    Source: Springer Online Journal Archives 1860-2000
    Topics: Mathematics , Economics
    Description / Table of Contents: Zusammenfassung In dieser Arbeit behandeln wir Probleme der Netzplantechnik bzw. des Projektmanagements mit knappen Ressourcen. Dabei steht jede Ressource während des Planungszeitraumes in derselben Quantität zur Verfügung, und jede Aktivität kann zu jedem Zeitpunkt mehr als eine Ressource beanspruchen. Wir beschreiben eine Vorgehensweise, die sich leicht auf verschiedene reguläre Zielsetzungen übertragen läßt (hier werden die Minimierung der Zykluszeit sowie die Minimierung der mittleren Terminüberschreitung als Ziele betrachtet). Die Methode basiert auf einem lokalen Suchverfahren unter Verwendung problemspezifischer Nachbarschaften. Mit Hilfe einfacher Suchverfahren erhält man bereits gute Ergebnisse; weitere Verbesserungen lassen sich mit genetischen Algorithmen erzielen. In beiden Fällen haben wir für Standardprobleme aus der Literatur Lösungen erhalten, deren Zielfunktionswerte nahe an den jeweiligen Optima liegen.
    Notes: Abstract In this paper, Resource Constrained Scheduling (RCS) consists of scheduling activities on scarce resources, each activity may require more than one resource at a time, and each resource is available in the same quantity throughout the planning period. This paper described a methodology for RCS that can be easily adapted to consider different regular measures of performance. The solution approach is local search using a recent development published in the literature; namely, problem-space based neighborhoods. Computational results are encouraging when searching these spaces using simple local search techniques. Further improvements are explored through the use of a genetic algorithm. In both cases, close-to-optimal solutions are found for standard problems from the literature. The adaptability of the methodology is demonstrated using makespan and mean tardiness as performance measures.
    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...