Gesellschaft für Informatik e.V.

Lecture Notes in Informatics


Ausgezeichnete Informatikdissertationen 2001 D-2, 157-167 (2001).

GI, Gesellschaft für Informatik, Bonn
2001


Editors

Dorothea Wagner (ed.)


Copyright © GI, Gesellschaft für Informatik, Bonn

Contents

Towards a theory of representations for genetic and evolutionary algorithms: development of basic concepts and their application to binary and tree representations

Franz Rothlauf

Abstract


Der vorliegende Beitrag beschreibt, wie durch die Entwicklung theoretischer Konzepte für Repräsentationen eine systematische Analyse und Entwurf von Repräsentationen möglich wird. Es wird aufgezeigt, wie redundante Repräsentationen, Repräsentationen mit unterschiedlich gewichteten Allelen und Repräsentationen mit niedriger Lokalität die Leistungsfähigkeit von GEAs beeinflussen. Basierend auf diesen Konzepten kann der Einfluß von Repräsentationen auf die Leistungsfähigkeit von GEAs für ganzzahlige und baumförmige Optimierungsprobleme bestimmt werden, sowie theoriegeleitet neue Repräsentationen für Bäume entwickelt werden. Die Arbeit ermöglicht ein besseres Verständnis von Repräsentationen und versetzt Anwender in die Lage GEAs wesentlich effektiver und schneller für das Lösen von Problemen zu verwenden. Die bisher sehr zeitraubende Suche nach guten Repräsentationen kann ersetzt werden durch zielgerichtetes und theoriegetriebenes Entwerfen. Towards a Theory of Representations for Genetic and Evolutionary Algorithms 167 Literaturverzeichnis [Bea92] J. C. Bean. Genetics and random keys for sequencing and optimization. Technical Report 92-43, Department of Industrial and Operations Engineering, University of Michigan, Ann Arbor, MI, June 1992. [GlJRR01] Jens Gottlieb, Bryant A. Julstrom, Günther R. Raidl, and Franz Rothlauf. Prüfer Numbers: A Poor Representation of Spanning Trees for Evolutionary Search. IlliGAL Report No. 2001001, University of Illinois at Urbana-Champaign, Urbana, 2001. [Gol89] D. E. Goldberg. Genetic algorithms in search, optimization, and machine learning. Addison-Wesley, Reading, MA, 1989. [HCPGM97] G. R. Harik, E. Cantú-Paz, D. E. Goldberg, and B. L. Miller. The gambler's ruin problem, genetic algorithms, and the sizing of populations. In T. Bäck, editor, Proceedings of the Forth International Conference on Evolutionary Computation, pages 7-12, New York, 1997. IEEE Press. [Kim64] M. Kimura. Diffusion models in population genetics. J. Appl. Prob., 1:177-232, 1964. [LV90] G. E. Liepins and M. D. Vose. Representational issues in genetic optimization. Journal of Experimental and Theoretical Artificial Intelligence, 2:101-115, 1990. [MG96] B. L. Miller and D. E. Goldberg. Optimal sampling for genetic algorithms. IlliGAL Report No. 96005, University of Illinois at Urbana-Champaign, Urbana, IL, 1996. [Pal94] C. C. Palmer. An approach to a problem in network design using genetic algorithms. unpublished PhD thesis, Polytechnic University, Troy, NY, 1994. [PGCP99] M. Pelikan, D. E. Goldberg, and E. Cantú-Paz. BOA: The Bayesian optimization algorithm. IlliGAL Report No. 99003, University of Illinois at Urbana-Champaign, Urbana, IL, 1999. [Prü18] H. Prüfer. Neuer Beweis eines Satzes über Permutationen. Archiv für Mathematik und Physik, 27:742-744, 1918. [SCED89] J. D. Schaffer, R. A. Caruana, L. J. Eshelman, and R. Das. A study of control parameters affecting online performance of genetic algorithms for function optimization. In J. D. Schaffer, editor, Proceedings of the Third International Conference on Genetic Algorithms, pages 51-60, San Mateo, CA, 1989. Morgan Kaufmann. [TG93] D. Thierens and D. E. Goldberg. Mixing in genetic algorithms. In S. Forrest, editor, Proceedings of the Fifth International Conference on Genetic Algorithms, pages 38- 45, San Mateo, CA, 1993. Morgan Kaufmann. Franz Rothlauf promovierte sich im November 2001 an der Universität Bayreuth mit der in diesem Beitrag vorgestellten Arbeit. Seine Arbeit wurde von Prof. Dr. Armin Heinzl (Universität Bayreuth) und Prof. Dr. David E. Goldberg (University of Illinois at Urbana- Champaign) betreut. Regelmäßige Forschungsaufenthalte am Illinois Genetic Algorithms Laboratory (IlliGAL) ermöglichten Ihm ein gründliches Studium von Genetischen und Evolutionären Verfahren. Seine gegenwärtigen Forschungsgebiete liegen im Bereich Repräsentationen, benutzerfreundliche Problemlöser und Black-Box Optimierung. Darüber hinaus beschäftigt er sich mit Problemen von Multiagentensystemen und deren Kombination mit Genetischen Algorithmen.


Full Text: PDF

GI, Gesellschaft für Informatik, Bonn
ISBN 3-88579-406-3


Last changed 12.06.2012 13:41:14