Moderne Methoden zur experimentellen Analyse evolutionärer Verfahren

Die Beschreibung einer Methodik zur Analyse der Industrietauglichkeit evolutionärer Algorithmen steht im Mittelpunkt dieses Beitrags. Dazu werden moderne statistische Verfahren wie “Design and Analysis of Computer Experiments” mit klassischen Verfahren der experimentellen Versuchsplanung (Design of Experiments) kombiniert. Diese Methoden eignen sich sehr gut, um den experimentellen Vergleich verschiedener Algorithmen zu objektivieren und praxisnah durchzuführen. Sie wurden bereits für unterschiedliche Simulationsund Optimierungsszenarien eingesetzt, z.B. für die Optimierung von Transportproblemen in Gebäuden (Fahrstuhlsteuerungsprobleme). Aus diesen Szenarien lassen sich allgemeine und zugleich praxisrelevante Tests definieren, die die Grundlage für den Vergleich von CI-Methoden (Fuzzy-Systeme, neuronale Netze und evolutionäre Algorithmen) mit klassischen Verfahren der Optimierung bilden können. DesWeiteren stellen wir eine frei verfügbare Sammlung von Programmen zur sequenziellen Analyse von Optimieralgorithmen zur Verfügung (SPOT: Sequential Parameter Optimization Toolbox), die für die oben genannten Zwecke entwickelt wird. Sie beinhaltet klar definierte Schnittstellen, so dass gängige Optimierungstools mit geringem Aufwand eingebunden und analysiert werden können. Die Analysemöglichkeiten gehen über klassische Vergleiche (Bericht von Mittelwerten, Standardabweichungen, etc.) weit hinaus und ermöglichen ein tiefer gehendes Verständnis der Funktionsweise der Algorithmen.