Description
(Text)
Künstliche Neuronale Netze (KNN) sind ein vielversprechender Methodenkomplex, der in den letzten Jahren auch im Bereich des Operations Research zunehmend an Bedeutung gewonnen hat. Die bisher entwickelten neuronalen Optimierungsverfahren befassen sich fast ausschließlich mit dem Travelling Salesman Problem (TSP) als Referenzbeispiel. Nach einer Einführung in die Theorie der KNN wird, als Ergebnis einer Literaturstudie, der "State of the Art" der bisherigen neuronalen Algorithmen zur Lösung des TSP dargestellt. Durch die Weiterentwicklung dieser Ansätze zur Lösung ausgewählter Tourenplanungsprobleme gelingt eine Verallgemeinerung der TSP-Algorithmen. Im Rahmen einer komparativen empirischen Untersuchung werden Leistungsfähigkeit, Flexibilität und Grenzen der neuen neuronalen Verfahren gegenüber konventionellen Algorithmen nachgewiesen.
(Table of content)
Aus dem Inhalt: Einführung in die Theorie der Künstlichen Neuronalen Netze - Nicht adaptive Optimierungsmaschinen: Hopfield & Tank-ähnliche Modelle - Adaptive Optimierungsverfahren: Selbstorganisierende Karten - Neue adaptive Algorithmen zur Lösung ausgewählter Tourenplanungsprobleme.
(Author portrait)
Diese Dissertation wurde betreut von Herrn Prof. Dr. H. Steckhan.
