L?ung des Traveling-Salesman-Problems mittels eines Genetischen Algorithmus auf einem HPC-Cluster

Bachelorarbeit aus dem Jahr 2009 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 1,3, Universit?t Leipzig (Institut f?r Wirtschaftsinformatik), Sprache: Deutsch, Abstract: Die vorliegende Arbeit positioniert die genetischen Algorithmen innerhalb einer Taxonomie verschiedener Optimierungsverfahren und skizziert den generischen Ablauf eines evolution?ren Algorithmus. Verschiedene Ans?tze zur Parallelisierung genetischer Algorithmen werden vorgestellt und die Hauptvarianten paralleler und koevolution?rer genetischer Algorithmen umrissen. Ferner werden Anforderungen an Frameworks zur Entwicklung genetischer Algorithmen formuliert, anhand welcher das ParadisEO-Framework mit dem propriet?ren GA-Framework aus der IMSL-Bibliothek von Visual Numerics verglichen wird. Abschlie end wird eine hybride low-level Teamwork Metaheuristik vorgestellt, die den Bergsteiger-Algorithmus zur lokalen Suche innerhalb eines grob-granularen parallelen genetischen Algorithmus einsetzt. Sie zeigt die Eignung paralleler genetischer Algorithmen zur L?sung des Problems des Handlungsreisenden. Schl?sselw?rter: Evolutionary Computation, Metaheuristik, Traveling Salesman Problem, High Performance Computing, parallele genetische Algorithmen, koevolution?re Algorithmen

Author: Kevin Kra?itzer

Publisher: Grin Verlag

Publication Date: Jan 12, 2010

Number of Pages: 86 pages

Binding: Paperback or Softback

ISBN-10: 3640490657

ISBN-13: 9783640490653