Ein wichtiges Teilgebiet der mathematischen Optimierung beschäftigt sich mit der Minimierung einer skalarwertigen Zielfunktion. Abhängig vom Definitionsbereich der Zielfunktion unterscheidet man dabei diskrete und kontinuierliche Optimierung. Häufig werden Verfahren zur lokalen Optimierung betrachtet, bei denen von einem gewählten Startpunkt aus das nächstgelegene lokale Optimum approximiert wird. Im Rahmen dieser Dissertation wurde ein Algorithmus zur Minimierung einer skalarwertigen Zielfunktion entwickelt, bei dem der Definitionsbereich der Zielfunktion gemischt diskret-kontinuierlich sein darf. Diskrete und kontinuierliche Variablen werden gleichzeitig optimiert. Der Algorithmus verwendet stochastische Methoden, um nicht nur lokal zu optimieren. Er findet mit Wahrscheinlichkeit eins das gesuchte globale Minimum. Eine Verallgemeinerung des Algorithmus kann auf Vektoroptimierungsprobleme angewandt werden.
«Ein wichtiges Teilgebiet der mathematischen Optimierung beschäftigt sich mit der Minimierung einer skalarwertigen Zielfunktion. Abhängig vom Definitionsbereich der Zielfunktion unterscheidet man dabei diskrete und kontinuierliche Optimierung. Häufig werden Verfahren zur lokalen Optimierung betrachtet, bei denen von einem gewählten Startpunkt aus das nächstgelegene lokale Optimum approximiert wird. Im Rahmen dieser Dissertation wurde ein Algorithmus zur Minimierung einer skalarwertigen Zielfunkti...
»