„Estimation of Distribution Algorithmus“ – Versionsunterschied

'''Estimation of Distribution Algorithmen''' (EDA) ([[Englische Sprache|engl.]], etwa: ''Schätzung der Verteilung'') sind [[evolutionäre Algorithmen]], also Verfahren, die mit den Prinzipien der Evolution [[Optimierung]]sprobleme lösen. Im Fall von EDA wird während der Berechnung [[Iteration|iterativ]] ein [[probabilistisch]]es [[Mathematisches Modell|Modell]] entwickelt, das aufgrund der gemachten [[Stichprobe]]n das gesuchte [[Optimum]] schätzt. Während im Modell zu Beginn alle zulässigen Lösungen für das gegebene Problem [[Gleichverteilung|gleich verteilt]] sind, wird im Erfolgsfall am Ende nur das gesuchte Optimum vorgeschlagen. Der Algorithmus stellt eine Verallgemeinerung des [[genetischer Algorithmus|genetischen Algorithmus]] dar, der die Verteilung nur implizit schätzt. Die [[Motivation]] zur Entwicklung von EDA war die Tatsache, dass die Auswahl geeigneter Parameter für klassische evolutionäre Algorithmen (wie z.&nbsp;B. [[Mutation]]sstärke oder Populationsgröße) selbst ein [[Optimierungsproblem]] darstellt. [[John H. Holland]] vermutete schon 1975, dass die Abhängigkeiten der zu optimierenden Variablen einen Ansatzpunkt darstellen, den evolutionäre Algorithmen ausnutzen könnten<ref>Pedro Larrañaga, José A. Lozano, ''Estimation of Distribution Algorithms: A New Tool for Evolutionary Computation'': Seite 58</ref>.