Modelle zur Beschreibung des Verhaltens von Systemen enthalten konstante Parameter, die im allgemeinen anhand experimenteller Untersuchungen bestimmt werden müssen. Hierzu werden numerische Optimierungsverfahren eingesetzt, die den im Rahmen eines gegebenen Modells bestmöglichen Parametersatz iterativ ermitteln. Dabei entscheidet die zu definierende Zielfunktion maßgeblich über die erreichbare Güte des Ergebnisses. Die entwickelte hybride Strategie verbindet die hervorragenden globalen Sucheigenschaften stochastischer Evolutionsstrategien mit der Konvergenzgeschwindigkeit deterministischer Gradienten- und Simplex-Methoden.
Beispiel: Bestimmung der Modellparameter eines Werkstoffmodells für Bitumen mithilfe der Evolutionsstrategie
Der evolutionäre Algorithmus orientiert sich an genetischen Grundkonzepten, wie Selektion, Rekombination oder Mutation und nutzt diese zur Verbesserung der Parameter des Materialmodells.
Dargestellt sind experimentelle und numerische Ergebnisse von Zug- und Kriechversuchen, die gleichzeitig für die Auswertung der Zielfunktion im Rahmen der Optimierung genutzt wurden. Die numerischen Simulationen basieren auf dem optimierten Modellparametersatz.