Neuronale räumliche Interaktionsmodelle und genetische Algorithmen

Es besteht Konsens darüber, daß räumliche Interaktionsmodelle [d.h. Modelle zur Analyse und Prognose von Interaktionen zwischen verschiedenen Standorten] zum wohl wichtigsten modelltheoretischen Instrumentarium der Geographie und Regionalökonomik gehören. Das gegenständliche Forschungsvorhaben rückte zwei zentrale Probleme der neuronalen räumlichen Interaktionsmodellierung in den Mittelpunkt der Forschungsbemühungen, deren Lösung für die realweltliche Anwendung dieser Modelle von zentraler Bedeutung sind: die Modellselektion und die Parameterschätzung. Insbesondere stellt die Modellselektion ein nicht-triviales, bisher noch nicht befriedigend gelöstes Problem dar. Meilensteine des Forschungsvorhabens Entwicklung eines genetisch-basierten hybriden Ansatzes zur simultanen Lösung des Modellselektions- und des Modellparameterschätzungsproblems; der Ansatz besteht aus einer Verknüpfung einer genetischen Algorithmenmaschine und eines Netzwerksimulators für gradientenbasiertes Backpropagation Lernen und Testen; Performanztests des hybriden Ansatzes illustrieren die Leistungsfähigkeit an einem realweltlichen Beispiel [Applikationsdomäne: interregionale Telekommunikationsströme]. Entwicklung eines stochastischen, auf dem Konzept der differentiellen Evolution basierenden Verfahrens zur Lösung des Modellparameterproblems. Performanztests des Parameterschätzverfahrens illustrieren, daß das neue Verfahren leistungsfähiger ist als die beste gegenwärtige Praxis (Backpropagation konjugierter Gradientenfehler), allerdings um den Preis höherer Rechenzeiten. Das Projekt zeigt nicht nur interessante innovative Lösungsstrategien für zwei zentrale Probleme der neuronalen räumlichen Interaktionsmodellierung, sondern auch zahlreiche Probleme auf, die bisher nach einer befriedigenden Lösung harren.