Evolutionäre Algorithmen basieren auf dem essentiellen Vokabular der biologischen Evolution. Artifizielle Muster sind die Grundlage für Erweiterungen klassischer Strategien hinsichtlich einer Simulation von Wachstum, Differenzierung und Szenarien innerer Selektion. Der Aufsatz stellt ein Konzept für die interne Informationsverarbeitung nach dem Vorbild der biologischen Signaltransduktion dar, nennt die biologischen Grundlagen des Computermodells und gibt eine Implementierung in MATLAB an.
Evolutionary algorithms are founded on the essential vocabulary of biological evolution. Artificial patterns are the basis for extensions of classical strategies in terms of a simulation of growth, differentiation and internal selection. The paper presents an approach to internal information-processing on the model of the biological signaltransfer, also the biological foundations of the computer model and an implementation in MATLAB.
Evolution ä re Algorithmen basieren auf dem essentiellen Vokabular der biologischen Evolution. Artifizielle Muster sind die Grundlage f ü r Erweiterungen klassischer Strategien hinsichtlich einer Simulation von Wachstum, Differenzierung und Szenarien innerer Selektion. Der Aufsatz stellt ein Konzept f ü r die interne Informationsverarbeitung nach dem Vorbild der biologischen Signaltransduktion dar, nennt die biologischen Grundlagen des Computermodells und gibt eine Implementierung in MATLAB an.
Evolutionary algorithms are founded on the essential vocabulary of biological evolution. Artificial patterns are the basis for extensions of classical strategies in terms of a simulation of growth, differentiation and internal selection. The paper presents an approach to internal information-processing on the model of the biological signaltransfer, also the biological foundations of the computer model and an implementation in MATLAB.
Biologische Optimierung
Das biologische Leben auf unserem Planeten entstand in einer unermesslichen Vielfalt an Form, Gestalt und Funktion. Die Entwicklung der Lebewesen, ihre Anpassung an eine sich wandelnde Umgebung und letztlich die gegenseitige Wechselwirkung des „Außen“ auf das „Innen“ der Organismen, erfolgte und erfolgt in einem komplexen Zusammenspiel zeitlich und örtlich verschachtelter Entstehungs- und Entwicklungsprozesse. Evolution, Individualentwicklung und das Agieren der Wesen in komplizierter Umgebung spannen ein hochdimensionales, auf verschiedenen Prozessebenen ineinander verschränktes Szenario auf.
Neben dem traditionellen, auf Erkenntnisgewinn hinsichtlich Mechanismen und Gesetzmäßigkeiten zielenden Bemühen, die Entschlüsselung der Prinzipien der belebten Natur, das Aufklären der evolutionsbiologischen Phänomene, die analytische Beschreibung der prozessualen Zusammenhänge und ihre Darstellung in physikalischen Modellbildungen, wächst den Wissenschaften fachbereichs-übergreifend die Aufgabe zu, die Ergebnisse der Biosystemanalyse für die angewandten Ingenieurwissenschaften verfügbar zu machen. Dies mit dem Ziel, zukünftige Technik in einer komplexer werdenden Welt ökologisch verträglich und ergänzend zu formulieren.
Abbildung in dieser Leseprobe nicht enthalten
Abb 1. Evolutionsschema.
Resultate der natürlichen Evolution, die Gepasstheit biologischer Wesen und ihre bis an die Grenzen des physikalisch Möglichen optimierten Formen und Funktionen, sind Motiv vieler Ingenieurwissenschaftler die Mechanismen der biologischen Entwicklung als eine Methode zu verstehen, die auch zur Konditionierung künstlicher Systeme taugt.
Evolution ist, auf einer abstrakten Ebene betrachtet, die Entwicklung der unbelebten und belebten Natur aus ihren innewohnenden Gesetzmäßigkeiten heraus, als Evolutionsschema mit diskretem Repertoire und Vokabular erkennbar (Abb.1). In diesem Sinne darf die biologische Evolution als eine Strategie verstanden werden, die im Laufe von Milliarden Jahren nicht nur die Form, Gestalt und Funktionen rezenter Lebewesen hervorgebracht, sondern auch sich selbst immer weiter optimiert hat.
Artifizielle Optimierung
Die Frage, welche der uns bekannten Mechanismen der biologischen Evolution und Individualentwicklung zur Formulierung von Optimierungsstrategien für Artefakte beschrieben, genutzt und eingesetzt werden können, ist Gegenstand aktueller ingenieurwissenschaftlicher Diskussion. Evolutionsstrategien (ES) und Genetische Algorithmen (GA), die bekanntesten Strategieansätze unter den Evolutionären Algorithmen (EA), arbeiten mit dem essentiellen Vokabular der biologischen Evolution (Tabelle1). Strategieentwickler greifen auch Modellvorstellungen der genetischen Rekombination, der Populationsdynamik und andere Analogien zur biologischen Evolution auf [Rec-94] [Sche-85] [Schw- 95].
Evolutionäre Algorithmen wenden das Evolutionsschema auf mathematisch modellierbare Optimierungsaufgaben an. In einem einfachsten Szenario werden zunächst Kopien eines artifiziellen Startsystems erstellt (Mutation). Zufällige Modifizierungen führen auf eine Schar von Varianten des Elter-Systems (Variation).
[...]
- Citar trabajo
- Dipl.-Ing. Michael Dienst (Autor), 2009, Algorithmen zur Musterverarbeitung in Optimierungsstrategien nach dem Vorbild der biologischen Signaltransduktion , Múnich, GRIN Verlag, https://www.grin.com/document/139591
