![\"Mittermeir\"](\"http:\/\/www.foerderverein-technische-fakultaet.at\/wp-content\/uploads\/2010\/01\/Mittermeir.jpg\" "\\"Mittermeir\\"")
In der Regel erwarten wir von einem Algorithmus, dass er m\u00f6glichst rasch das richtige (oder optimale) Ergebnis liefert. F\u00fcr eine F\u00fclle von Problemen ist dies jedoch nur dann m\u00f6glich, wenn der Problemumfang relativ klein ist. Es handelt sich dabei um sogenannte NP-harte und NP-vollst\u00e4ndige Probleme.<\/p>\n
Im Vortrag wollen wir anhand eines Rundreiseproblems (Travelling Salesman) die Problematik NP-harter Probleme zeigen und anschlie\u00dfend Heuristiken besprechen, die zwar die Optimalit\u00e4t der L\u00f6sung nicht garantieren k\u00f6nnen, von denen jedoch gezeigt werden kann, dass sie nach vergleichsweise kurzer Zeit zu einer L\u00f6sung in der N\u00e4he des Optimums konvergieren.<\/p>\n
Als Beispiel f\u00fcr von der Natur inspirierten Algorithmen werden ausgehend vom Verhalten biologischer Ameisen die Metaheuristiken Ant System<\/em> und Ant Colony System<\/em> entwickelt und diskutiert in welcher Weise \u201ek\u00fcnstliche Ameisen\u201c von ihren nat\u00fcrlichen Vorbildern abweichen m\u00fcssen, um auch f\u00fcr umfangreiche Problemstellungen sehr gute Ergebnisse zu liefern.<\/p>\n","protected":false},"excerpt":{"rendered":" In der Regel erwarten wir von einem Algorithmus, dass er m\u00f6glichst rasch das richtige (oder optimale) Ergebnis liefert. F\u00fcr eine F\u00fclle von Problemen ist dies jedoch nur dann m\u00f6glich, wenn der Problemumfang relativ klein ist. Es handelt sich dabei um … Continue reading