Kapitelanfang Vorige Seite Nächste Seite Nächstes Kapitel
VERN Home navigation
 
Chemoinformatik
Einführung in die Chemoinformatik
Repräsentation chemischer Strukturen
Repräsentation chemischer Reaktionen
Datentypen/Datenformate
Datenbanken/Datenquellen
Struktur-Suchmethoden
Berechnung physikalischer und chemischer Daten
Descriptoren für chemische Verbindungen
Methoden zur Datenanalyse
Einführung
Maschinelles Lernen
Lernverfahren
Entscheidungsbäume
Chemometrie
Multivariate Statistikmethoden
Korrelation
MLRA
PCA
PCR
PLS
MDS
Neuronale Netze
Fuzzy Logic
Genetische Algarithmen
  Einführung
Fitness
Reproduktion
Crossover und Mutation
Startpopulation
Abbruchkriterien
Data Mining-Methoden in der Chemie
Weitere Data Mining-Methoden
Literatur
Anwendungen
Struktur-Eigenschafts-Beziehung
Strukturaufklärung
Synthesplanung

Startseite

Genetische Algorithmen

Genetische Algorithmen sind robuste Optimierer, die der natürlichen Evolution, einem schon mehrere Milliarden Jahre andauernden Optimierungsverfahren, nachempfunden sind. Sie sind speziell zur Optimierung nichtlinearer Zusammenhänge geeignet und sind in der Lage nicht nur lokale sondern auch globale Optima für komplizierte Zusammenhänge zu finden.

Grundprinzipien

In einer Generation i existiert eine Population, bestehend aus einer Reihe von Individuen. Jedes Individuum repräsentiert eine bestimmte Lösung des zu optimierenden Problems in Form seines genetischen Codes. Die Individuen sind je nach der Güte der Lösung die sie darstellen an die Umwelt, das Optimierungsproblem, angepasst. Durch diese "Fitness" werden die Chancen der Individuen bestimmt, sich in eine Generation i+1 während der Reproduktion fortzupflanzen. Genetische Operatoren, wie Crossover und Mutation, ermöglichen gleichzeitig eine Veränderung des genetischen Materials analog zu den Mechanismen der natürlichen Evolution. Durch die iterative Weiderholung dieser Schritte kann schließlich eine optimale Lösung gefunden werden.

Genetische Optimierung

Grundprinzipien der genetischen Optimierung


© Prof. Dr. J. Gasteiger, Dr. Th. Engel, J. Sadowski, CCC Univ. Erlangen, Thu Apr 15 06:31:59 2004 GMT
navigation BMBF-Leitprojekt Vernetztes Studium - Chemie