Dieses Lehrbuch schließt die vierbändige Reihe der Vorlesungen über Informatik des Verfassers ab. Es behandelt in Grundzügen Modelle und Entwicklung paralleler Algorithmen und nicht-analytischer Lösungsverfahren. Die exakte Modellierung einer Aufgabenstellung, namentlich im Bereich der Optimierung, kann oft vermieden werden, wenn man zu Softcomputing (neuronale Netze, evolutionäre Algorithmen, unscharfe Informationsverarbeitung) greift. Das Buch gibt einen Überblick über die Grundlagen und praktische Anwendung dieser Verfahren.

Das Lehrbuch schließt die vierbändige Reihe der Vorlesungen über Informatik von Gerhard Goos ab. Es behandelt in Grundzügen Modelle und Entwicklung paralleler Algorithmen und nichtalgorithmische Verfahren. Die exakte Modellierung einer Aufgabenstellung, namentlich im Bereich der Optimierung, kann oft vermieden werden, wenn man zu neuronalen Netzen, genetischen Algorithmen oder unscharfer Informationsverarbeitung greift. Der Band gibt einen verständlichen Überblick über die Grundlagen und praktische Anwendung dieser Verfahren.

Klappentext

Inhalt
19 Paralleles Rechnen.- 19.1 Parallele Rechenmodelle.- 19.1.1 Die parallele Registermaschine.- 19.1.2 Datenflußmodell.- 19.1.3 Abstrakte Netzwerkmodelle.- 19.2 Technische Modelle.- 19.2.1 Klassifikation von Parallelrechnern.- 19.2.2 Vektorrechner.- 19.2.3 Gemeinsamer Speicher.- 19.2.4 Verbindungsnetzwerke.- 19.2.5 Abbildung von PRAM- auf LogP-Algorithmen.- 19.2.6 PVM und MPI.- 19.3 Entwurfstechniken für parallele Algorithmen.- 19.3.1 Die KomplexitätsklasseNC.- 19.3.2 Paralleles Teile-und-Herrsche.- 19.3.3 Ausgewogene Bäume.- 19.3.4 Präfixgraphen.- 19.3.5 Zeigerspringen.- 19.3.6 Die Euler-Tour.- 19.4 Anmerkungen und Verweise.- 20 Zellularautomaten.- 20.1 Grundlagen.- 20.2 LIFE: Das Spiel des Lebens.- 20.3 Turing-Mächtigkeit.- 20.4 Anwendungen.- 20.4.1 Ein Synchronisierungsproblem.- 20.4.2 Modelle aus Differentialgleichungen.- 20.4.3 Gittergase.- 20.4.4 Verkehrssimulation.- 20.5 Anmerkungen und Verweise.- 21 Künstliche neuronale Netze.- 21.1 Neuronen.- 21.1.1 Das biologische Vorbild.- 21.1.2 Künstliche Neuronen.- 21.2 Zur Konstruktion von KNNs.- 21.2.1 Einsatzbedingungen.- 21.2.2 Lernen statt Programmieren.- 21.3 Vorwärtsgerichtete Netze.- 21.3.1 Das einfache Perzeptron.- 21.3.2 Das mehrschichtige Perzeptron.- 21.4 Unüberwachtes Lernen.- 21.4.1 Wettlernen.- 21.4.2 Topologie-erhaltende Karten.- 21.5 Hopfield-Netze.- 21.5.1 Synchrone Hopfield-Netze.- 21.5.2 Asynchrone Hopfield-Netze.- 21.6 Anwendungen.- 21.7 Anmerkungen und Verweise.- 22 Zufallsgesteuerte Optimierung.- 22.1 Optimierungsaufgaben.- 22.1.1 Schrittweise Optimierung.- 22.1.2 Gradientenverfahren.- 22.2 Stochastische Optimierung.- 22.2.1 Simuliertes Tempern.- 22.2.2 Tempern mit deterministischer Akzeptanz.- 22.3 Evolutionäre Algorithmen.- 22.3.1 Evolutionsstrategien.- 22.3.2 Genetische Algorithmen.- 22.3.3 Evolutionsstrategien und genetische Algorithmen im Vergleich.- 22.4 Anmerkungen und Verweise.- 23 Unscharfe Informationsverarbeitung.- 23.1 Unscharfe Mengen.- 23.1.1 Grundoperationen auf unscharfen Mengen.- 23.1.2 Allgemeinere unscharfe Mengen.- 23.2 Unscharfe Relationen.- 23.2.1 Max-Min Komposition und Erweiterungsprinzip.- 23.2.2 Relationengleichungen.- 23.3 Unscharfe Regelung.- 23.3.1 Entwurf unscharfer Regler.- 23.4 Unscharfe Maße.- 23.4.1 Maßbasen.- 23.4.2 Glaubwürdigkeits-und Plausibilitätsmaße.- 23.4.3 Möglichkeits-und Notwendigkeitsmaße.- 23.4.4 Klassifikation unscharfer Maße.- 23.4.5 Möglichkeitsmaße und unscharfe Mengen.- 23.4.6 Unscharfe Maße in der Anwendung.- 23.5 Anmerkungen und Verweise.- D Fourierreihen und Fouriertransformation.- D.1 Fourierreihen.- D.2 Fouriertransformation.- D.2.1 Eigenschaften von Fouriertransformierten und Fourierreihen.- D.2.2 Das Abtasttheorem.- D.3 Diskrete Fouriertransformation.- D.3.1 Polynommultiplikation.- D.3.2 Schnelle Fouriertransformation.- D.4 Anmerkungen und Verweise.- Programmverzeichnis.- Stichwortverzeichnis.