Genetische Algorithmen zur Parameteroptimierung von Simulationsmodellen am Beispiel einer "Grünen Welle" entlang einer Hauptverkehrsstraße
PAYBACK Punkte
0 °P sammeln!
Studienarbeit aus dem Jahr 2002 im Fachbereich Informatik - Angewandte Informatik, Note: -, Universität Hamburg (Department Informatik), 21 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Wer hat noch nicht vor einer roten Ampel gestanden und sich gefragt, ob sich das ständige Warten nicht verkürzen ließe durch eine günstigere Ampelschaltung? Diese Fragestellung wird in der vorliegenden Arbeit am Beispiel eines Straßenzugmodells aufgegriffen. Mit Hilfe eines Systems zur verteilten simulationsbasierten Optimierung mittels Genetischer Algorithmen werden die Ampelphasen des Mod...
Studienarbeit aus dem Jahr 2002 im Fachbereich Informatik - Angewandte Informatik, Note: -, Universität Hamburg (Department Informatik), 21 Quellen im Literaturverzeichnis, Sprache: Deutsch, Abstract: Wer hat noch nicht vor einer roten Ampel gestanden und sich gefragt, ob sich das ständige Warten nicht verkürzen ließe durch eine günstigere Ampelschaltung? Diese Fragestellung wird in der vorliegenden Arbeit am Beispiel eines Straßenzugmodells aufgegriffen.
Mit Hilfe eines Systems zur verteilten simulationsbasierten Optimierung mittels Genetischer Algorithmen werden die Ampelphasen des Modells optimiert.
Ein Straßenzug sowie der Verkehr darauf läßt sich mit Hilfe eines Modells im
Rechner darstellen. Mit Hilfe von Parametern kann die Schaltung der Ampeln
im Modell gesteuert werden. Nach einem Simulationslauf ist bekannt, wie gut
oder schlecht sich das Modell mit den gegebenen Parametern entwickelt hat.
Dieses Ergebnis kann von einem Optimierungsverfahren verwendet werden,
um bessere Parameter zu entwickeln. Die Simulation einer Vielzahl solcher
Straßenzug-Modelle ist relativ zeitaufwendig, bei den verwendeten Optimierungsverfahren aber unumgänglich. Verteilt man die Berechnung auf mehrere Rechner, ergibt sich eine nahezu lineare Beschleunigung gegenüber der Berechnungszeit auf einem Rechner. Daher ist eine Verteilung der Berechnungen auf mehrere Rechner erstrebenswert. Zur verteilten Optimierung bieten sich Genetische Algorithmen besonders an. Sie sind robuste, problemunabhängige heuristische Optimierungsverfahren.
Bevor näher auf Genetische Algorithmen und ihre Anwendung zur Lösung
der oben genannten Fragestellung eingegangen wird, soll zunächst im Folgenden die Problemstellung nächer beleuchtet werden.
Mit Hilfe eines Systems zur verteilten simulationsbasierten Optimierung mittels Genetischer Algorithmen werden die Ampelphasen des Modells optimiert.
Ein Straßenzug sowie der Verkehr darauf läßt sich mit Hilfe eines Modells im
Rechner darstellen. Mit Hilfe von Parametern kann die Schaltung der Ampeln
im Modell gesteuert werden. Nach einem Simulationslauf ist bekannt, wie gut
oder schlecht sich das Modell mit den gegebenen Parametern entwickelt hat.
Dieses Ergebnis kann von einem Optimierungsverfahren verwendet werden,
um bessere Parameter zu entwickeln. Die Simulation einer Vielzahl solcher
Straßenzug-Modelle ist relativ zeitaufwendig, bei den verwendeten Optimierungsverfahren aber unumgänglich. Verteilt man die Berechnung auf mehrere Rechner, ergibt sich eine nahezu lineare Beschleunigung gegenüber der Berechnungszeit auf einem Rechner. Daher ist eine Verteilung der Berechnungen auf mehrere Rechner erstrebenswert. Zur verteilten Optimierung bieten sich Genetische Algorithmen besonders an. Sie sind robuste, problemunabhängige heuristische Optimierungsverfahren.
Bevor näher auf Genetische Algorithmen und ihre Anwendung zur Lösung
der oben genannten Fragestellung eingegangen wird, soll zunächst im Folgenden die Problemstellung nächer beleuchtet werden.
Andere Kunden interessierten sich für
