Jörg Homberger, Gabi Preissler, Harald Bauer

Operations Research und Künstliche Intelligenz (eBook, PDF)

• Format: PDF

Produktbeschreibung

Dieses Buch behandelt zentrale Themen des Operations Research und der Künstlichen Intelligenz und zeigt deren enge Verknüpfung auf. Neben klassischen Bereichen wie der Linearen Optimierung, der Graphentheorie und der Kombinatorischen Optimierung werden naturanaloge heuristische Verfahren vorgestellt und die Multiagententechnologie, die ein bedeutendes Teilgebiet der Künstlichen Intelligenz darstellt, behandelt. Hierbei werden sowohl autonome Agenten, die bei der Lösung verteilter Probleme zusammenarbeiten, als auch die Zusammenarbeit der Agenten mit Hilfe von Verfahren aus dem Operations Research optimiert. Überblick über die behandelten Themenfelder: Lineare Optimierung, Graphentheorie, Kombinatorische Optimierungsprobleme, Ameisenalgorithmen, Genetische Algorithmen, Agenten-basierte Verhandlungen und Schwarmintelligenz.

Produktdetails

• Verlag: UTB GmbH
• Seitenzahl: 362
• Erscheinungstermin: 9. September 2019
• Deutsch
• ISBN-13: 9783838546209
• Artikelnr.: 71188795

Autorenporträt

Prof. Dr. Jörg Homberger lehrt an der Hochschule für Technik Stuttgart.

Inhaltsangabe

Vorwort 5 Inhaltsverzeichnis 11 Teil I Operations Research 15 1 Grundbegriffe des Operations Research 17 1.1 Schlagwörter und Prüfungstipps 17 1.2 Einleitung 17 1.3 Grundlegende Begriffe 20 1.4 Aufgaben 25 2 Lineare Optimierung 29 2.1 Schlagwörter und Prüfungstipps 29 2.2 Einführung 30 2.3 Modell der linearen Optimierung 31 2.4 Graphische Lösung bei zwei Variablen 35 2.5 Der Simplex-Algorithmus 38 2.6 Besondere Situationen beim Simplex-Algorithmus 45 2.7 Der erweiterte Simplex-Algorithmus 46 2.8 Der duale Simplex-Algorithmus 50 2.9 Ganzzahlige Optimierung und Branch-and-Bound-Methode 57 2.10 Aufgaben 65 3 Graphentheorie 71 3.1 Schlagwörter und Prüfungstipps 71 3.2 Einführung 71 3.3 Bäume 79 3.4 Aufgaben 87 4 Kombinatorische Optimierung 89 4.1 Schlagwörter und Prüfungstipps 89 4.2 Grundbegriffe 89 4.3 Rundreiseproblem 93 4.4 Projekt-Scheduling-Problem 103 4.5 Standortproblem 113 4.6 Losgrößenproblem 117 4.7 Aufgaben 125 Teil II Künstliche Intelligenz 133 5 Grundbegriffe der Künstlichen Intelligenz 135 5.1 Schlagwörter und Prüfungstipps 135 5.2 Künstliche Intelligenz 135 5.3 Intelligente Agenten 138 5.4 Multiagentensysteme 138 6 Genetische Algorithmen 141 6.1 Schlagwörter und Prüfungstipps 141 6.2 Grundlegende Ideen 141 6.3 Individuen 143 6.4 Populationsbasierter Ablauf 150 6.5 Fitness, Selektion und Ersetzung 158 6.6 Initialisierung, Reproduktion, Crossover und Mutation 166 6.7 Kalibrierung 170 6.8 Fallstudie Losgrößenproblem 170 6.9 Fallstudie: Clustering 175 6.10 Aufgaben 183 7 Evolutionsstrategien 186 7.1 Schlagwörter und Prüfungstipps 186 7.2 Konzepte 186 7.3 Beispiele 188 7.4 Normalverteilte Zufallszahlen 189 7.5 (1+1)-Evolutionsstrategie 191 7.6 Populationsbasierte Evolutionsstrategie 199 7.7 Aufgaben 209 8 Multiagenten-Planen 211 8.1 Schlagwörter und Prüfungstipps 211 8.2 Dezentrale Planung durch mehrere Agenten 212 8.3 Koordination durch Verhandlung 219 8.4 Dezentrales Reihenfolgeproblem 227 8.5 Lokaler Verhandlungsmechanismus 237 8.6 Dezentrales Losgrößenproblem 244 8.7 Genetischer Verhandlungsmechanismus 249 8.8 Aufgaben 264 9 Schwarmintelligenz 269 9.1 Schlagwörter und Prüfungstipps 269 9.2 Definition und Anwendungen 269 9.3 Schwarm-Simulation 270 9.4 Aufgaben 282 10 Ameisenalgorithmen 284 10.1 Schlagwörter und Prüfungstipps 284 10.2 Vorbild Natur 284 10.3 Graphen und Pheromone 285 10.4 Künstliche Ameisen 287 10.5 Verfahrensablauf 296 10.6 Lernen mit Pheromonen 298 10.7 Kalibrierung und Anpassung 301 10.8 Aufgaben 301 11 Support-Vektor-Maschinen 304 11.1 Schlagwörter und Prüfungstipps 304 11.2 Lernende Klassifikation 304 11.3 Idee der Support-Vektor-Maschinen 308 11.4 Lineare Support-Vektor-Maschinen (Modell I) 310 11.5 Lineare Support-Vektor-Maschinen (Modell II) 320 11.6 Training einer Support-Vektor-Maschine 327 11.7 Nicht-lineare Support-Vektor-Maschinen (Modell III) 331 11.8 Evolutionsstrategie 340 11.9 Aufgaben 344 Literatur 347 Index 355

---

Vorwort 5Inhaltsverzeichnis 11Teil I Operations Research 151 Grundbegriffe des Operations Research 171.1 Schlagwörter und Prüfungstipps 171.2 Einleitung 171.3 Grundlegende Begriffe 201.4 Aufgaben 252 Lineare Optimierung 292.1 Schlagwörter und Prüfungstipps 292.2 Einführung 302.3 Modell der linearen Optimierung 312.4 Graphische Lösung bei zwei Variablen 352.5 Der Simplex-Algorithmus 382.6 Besondere Situationen beim Simplex-Algorithmus 452.7 Der erweiterte Simplex-Algorithmus 462.8 Der duale Simplex-Algorithmus 502.9 Ganzzahlige Optimierung und Branch-and-Bound-Methode 572.10 Aufgaben 653 Graphentheorie 713.1 Schlagwörter und Prüfungstipps 713.2 Einführung 713.3 Bäume 793.4 Aufgaben 874 Kombinatorische Optimierung 894.1 Schlagwörter und Prüfungstipps 894.2 Grundbegriffe 894.3 Rundreiseproblem 934.4 Projekt-Scheduling-Problem 1034.5 Standortproblem 1134.6 Losgrößenproblem 1174.7 Aufgaben 125Teil II Künstliche Intelligenz 1335 Grundbegriffe der Künstlichen Intelligenz 1355.1 Schlagwörter und Prüfungstipps 1355.2 Künstliche Intelligenz 1355.3 Intelligente Agenten 1385.4 Multiagentensysteme 1386 Genetische Algorithmen 1416.1 Schlagwörter und Prüfungstipps 1416.2 Grundlegende Ideen 1416.3 Individuen 1436.4 Populationsbasierter Ablauf 1506.5 Fitness, Selektion und Ersetzung 1586.6 Initialisierung, Reproduktion, Crossover und Mutation 1666.7 Kalibrierung 1706.8 Fallstudie Losgrößenproblem 1706.9 Fallstudie: Clustering 1756.10 Aufgaben 1837 Evolutionsstrategien 1867.1 Schlagwörter und Prüfungstipps 1867.2 Konzepte 1867.3 Beispiele 1887.4 Normalverteilte Zufallszahlen 1897.5 (1+1)-Evolutionsstrategie 1917.6 Populationsbasierte Evolutionsstrategie 1997.7 Aufgaben 2098 Multiagenten-Planen 2118.1 Schlagwörter und Prüfungstipps 2118.2 Dezentrale Planung durch mehrere Agenten 2128.3 Koordination durch Verhandlung 2198.4 Dezentrales Reihenfolgeproblem 2278.5 Lokaler Verhandlungsmechanismus 2378.6 Dezentrales Losgrößenproblem 2448.7 Genetischer Verhandlungsmechanismus 2498.8 Aufgaben 2649 Schwarmintelligenz 2699.1 Schlagwörter und Prüfungstipps 2699.2 Definition und Anwendungen 2699.3 Schwarm-Simulation 2709.4 Aufgaben 28210 Ameisenalgorithmen 28410.1 Schlagwörter und Prüfungstipps 28410.2 Vorbild Natur 28410.3 Graphen und Pheromone 28510.4 Künstliche Ameisen 28710.5 Verfahrensablauf 29610.6 Lernen mit Pheromonen 29810.7 Kalibrierung und Anpassung 30110.8 Aufgaben 30111 Support-Vektor-Maschinen 30411.1 Schlagwörter und Prüfungstipps 30411.2 Lernende Klassifikation 30411.3 Idee der Support-Vektor-Maschinen 30811.4 Lineare Support-Vektor-Maschinen (Modell I) 31011.5 Lineare Support-Vektor-Maschinen (Modell II) 32011.6 Training einer Support-Vektor-Maschine 32711.7 Nicht-lineare Support-Vektor-Maschinen (Modell III) 33111.8 Evolutionsstrategie 34011.9 Aufgaben 344Literatur 347Index 355