English (United Kingdom)

https://curated-unify.zendy.io/wp-json/zendy-region/v1/featured_content/oa?rat=en

https://curated-unify.zendy.io/wp-json/zendy-region/v1/highlighted_journal/

Global: Zendy Plus annual

Presents the access of premium content as premium feature

Premium Content

Presents the keyphrase highlighting as premium feature

Keyphrase Highlighting

Presents the summarisation as premium feature

Summarisation

Insights

Presents the pdf analysis as premium feature

PDF Analysis

Presents the zaia usage as premium feature

ZAIA

Global: Zendy Tools annual

Global: Zendy Free Plan

Global: Zendy Tools monthly

Global: Zendy Plus monthly

Bei der mehrkriteriellen Pareto-Optimierung wird zu konfliktären Anforderungen eine Menge von Kompromisslösungen gesucht, die die bestmöglichen Lösungen approximieren. Evolutionäre Algorithmen haben sich hierbei als effektive und robuste Verfahren bewährt. Die Güte einer Approximation lässt sich durch das von ihr dominierte Hypervolumen im Zielraum, der sogenannten S-Metrik, quantifizieren. Die Maximierung der S-Metrik ist also ein erstrebenswertes Ziel und gleichzeitig eine adäquate einkriterielle Ersatzzielfunktion. Ein evolutionärer Algorithmus setzt diese innerhalb der Selektion ein und erreicht dadurch hervorragende Ergebnismengen. Wir zeigen anhand von Benchmarkproblemen und realen Anwendungen aus der Flugzeugtechnik und anderen Industriezweigen, dass dieser Algorithmus außerordentlich effektiv ist. Dies zeigt sich insbesondere für den Fall, dass mehr als drei Ziele zu optimieren sind, weil dann andere populäre mehrkriterielle evolutionäre Algorithmen versagen.

SMS-EMOA – Effektive evolutionäre Mehrzieloptimierung (SMS-EMOA – Effective Evolutionary Multiobjective Optimization)