Ant Colony Optimization - Ameisenkolonie-Optimierung

Studienarbeit aus dem Jahr 2008 im Fachbereich Informatik - Wirtschaftsinformatik, Note: 2, FernUniversitt Hagen, Veranstaltung: Seminar Entscheidungsuntersttzende Systeme, Sprache: Deutsch, Abstract: Die Lsung NP-harter kombinatorischer Optimierungsprobleme - nicht nur im betriebswirtschaftlichen Bereich - ist mit einer gravierenden Schwierigkeit, nmlich dem mehr als polynomiell, das heit zum Beispiel exponentiell ansteigenden Bearbeitungsaufwand verbunden. Dies rhrt daher, dass die Zahl der bentigten Rechenoperationen fr eine exakte algorithmische Lsung strker als polynomiell mit der Komplexitt der Problemstellung anwchst, so dass schon mittlere Probleme eine Rechenzeit bentigen, die auch bei Verwendung aller Supercomputer der Welt nicht bis zum Ende der Lebensdauer des Sonnensystems abgearbeitet wre. Ungeachtet dessen treten solche Probleme beraus hufig in der Praxis auf. Zu finden sind diese vor allem bei vielen Planungsaufgaben und es ist von groer konomischer Bedeutung, diese Probleme doch zu lsen, zumindest nherungsweise oder umgangssprachlich "so gut wie es geht".
Geeignete Verfahren knnen vor allem im Bereich von Heuristiken gesucht werden. Heuristiken stellen Algorithmen dar, die hufig, d.h. fr viele praktisch wichtige Eingaben, gute, wenn auch nicht exakte, so doch annhernd optimale Lsungen hervorbringen.
Im Verlauf der beiden letzten Jahrzehnte zeigte sich ein starkes Interesse an Verfahren, die von natrlichen Vorgngen inspiriert sind. Eines der jngsten dieser Verfahren ist die Ant Colony Optimization" (ACO, deutsch etwa: Ameisenkolonie-Optimierung), d.h. die Optimierung in Anlehnung an reale Ameisenkolonien und deren Verhalten bei der Futtersuche. Das Verfahren stellt wie allgemein bei den genetischen Algorithmen den Versuch dar, Optimierungsprobleme durch Adaption natrlichen Verhaltens heuristisch zu lsen.
In dieser Seminararbeit wird dieses Verfahren beschrieben, die Anwendung an Beispielen illustriert und in das berg