Im Rahmen meiner Diplomarbeit habe ich ein generisches Java-Framework für den multi-objektiven Optimierungsalgorithmus mPOEMS (Multiobjective prototyp optimization with evolved improvement steps) geschrieben, bei dem es sich um ein GA mit evolutionären Konzepten handelt. Es ist so generisch, dass alle problemunabhängigen Teile von den problemabhängigen Teilen getrennt wurden, und eine Schnittstelle wird bereitgestellt, um das Framework nur mit den problemabhängigen Teilen zu verwenden. Daher muss derjenige, der den Algorithmus verwenden möchte, nicht bei Null beginnen und erleichtert die Arbeit sehr.
Sie können den Code here finden.
Die Lösungen, die Sie mit diesem Algorithmus finden können, wurden in einer wissenschaftlichen Arbeit mit den modernsten Algorithmen SPEA-2 und NSGA verglichen, und es wurde nachgewiesen, dass der Algorithmus vergleichbar oder sogar besser funktioniert, Dies hängt von den Metriken ab, die Sie zum Messen der Leistung verwenden, und insbesondere von dem Optimierungsproblem, das Sie erwarten.
Sie können es here finden.
Auch im Rahmen meiner Diplomarbeit und des Arbeitsnachweises habe ich diesen Rahmen auf das Projektauswahlproblem des Portfoliomanagements angewendet. Es geht darum, die Projekte auszuwählen, die dem Unternehmen den größten Mehrwert bieten, die meisten Strategien des Unternehmens unterstützen oder ein beliebiges anderes Ziel unterstützen. Z.B. Auswahl einer bestimmten Anzahl von Projekten aus einer bestimmten Kategorie oder Maximierung der Projektsynergien, ...
Meine These, die diesen Rahmen für das Projekt Auswahlproblem gilt: http://www.ub.tuwien.ac.at/dipl/2008/AC05038968.pdf
Danach habe ich in einem Portfolio gearbeitet Management-Abteilung in einem der Fortune 500, wo sie eine kommerzielle Software verwendet, die auch eine GA auf die Projektauswahl Problem/Portfolio-Optimierung angewendet.
Weitere Informationen:
Die Dokumentation des Frameworks: http://thomaskremmel.com/mpoems/mpoems_in_java_documentation.pdf
mPOEMS Präsentation Papier: http://portal.acm.org/citation.cfm?id=1792634.1792653
Eigentlich mit einem wenig Begeisterung jedem konnte leicht den Code des generischen Framework anzupassen ein beliebiges Mehrzieloptimierungsproblem.
http://ieeexplore.ieee.org/Xplore/login.jsp?url=/iel5/8/27408/01219605.pdf?arnumber=1219605 –
Ich denke nicht, dass es zu komplex ist. Das größere Problem besteht darin, dass es sich um einen nicht-deterministischen Algorithmus handelt und man daher oft nicht für eine bestimmte Qualität der Ergebnisse garantieren kann. Daher bevorzugen die Leute andere Heuristiken (wo sie können). – flolo
Es ist nicht komplex: Das Problem ist, dass es SOUNDS Komplex - Sie brauchen nicht wirklich viel Wissen über Genetik, um Ihre eigenen GAs zu implementieren. – Nobody