Masterarbeit aus dem Jahr 2011 im Fachbereich BWL - Unternehmensforschung, Operations Research, Note: 1,3, Helmut-Schmidt-Universit?t - Universit?t der Bundeswehr Hamburg, Sprache: Deutsch, Abstract: Mehrdimensionale Problemstellungen finden sich in allen wissenschaftlichen Bereichen, in denen Ziele und Entscheidungen das Ergebnis mehrerer, oft konfliktion?ren, Entscheidungsvariablen sind. Komplexit?t und Anwendbarkeit haben nicht zuletzt durch den Einsatz der Informationstechnologie stark zugenommen und an Bedeutung f?r die Wissenschaft gewonnen. Vor allem das Abbilden realer Situationen, wie sie zum Beispiel in den Ingenieursbereichen vorkommen, ist oft nur mit komplexen Funktionen m?glich, welche nur unter enormem Zeitaufwand oder starker Approximation l?sbar sind. Die zeiteffiziente L?sung solcher Probleme ist somit ein wissenschaftliches Anliegen und f?hrt zu immer neuen Optimierungsverfahren. Gegenstand dieser Ausarbeitung soll das von Kennedy und Eberhart Mitte der 1990er-Jahre publizierte Verfahren der Partikelschwarmoptimierung sein. Dieser evolution?re und auf sozialen Strukturen basierende Algorithmus, dessen Ergebnisse stark von externen Parametern abh?ngen, soll hier auf die M?glichkeit einer optimalen Parameterwahl empirisch untersucht werden. Die Ausarbeitung wird beweisen, dass f?r das betrachtete Problem sogenannte Regionen guter Parameterqualit?ten existieren, in denen jene Parameter der Partikelschwarmoptimierung liegen, welche zu optimalen Ergebnissen f?hren. Basierend auf dieser Beobachtung wird gezeigt werden, dass die Kenntnis von der Position einer solchen Region gen?gt, um ?ber eine gezielte Stichprobe im entsprechenden Parameterbereich zu ann?hernd global optimalen Ergebnissen zu gelangen. Abschlie?end wird ein vom Autor entwickelter Algorithmus vorgestellt, welcher beide Eigenschaften umsetzt und so die Laufzeit der Partikelschwarmoptimierung bei gleichbleibend guten Ergebnissen auf bis zu 0,5% der zuvor durchgef?hrten Erhebung reduziert.]]>