In diesem Abschnitt werden die Benchmarks f ¨ur die in Abschnitt 4.1.2 vorgestellten Testdaten durchgef ¨uhrt. Die Ergebnisse werden gesammelt und anhand von Abbildungen dargestellt, damit ein Performancevergleiche erfolgen kann.
4.2.1. Genetischer Algorithmus mit verschiedenen Einstellungen
Der erste Aspekt der Benchmarks besagt, dass das Verh¨altnis zwischen der Anzahl der globalen Austausche und der von lokalen Iterationen und Einfl ¨usse auf die Performance der Berechnun-gen hat.
F ¨ur jedes Problem (r100, qa194, pcb442 und lu980) wird mit f ¨unf unterschiedlichen Einstel-lungen der Iterationen-Attribute berechnet. Die EinstelEinstel-lungen unterteilen sich allgemein in f ¨unf Kategorien. Das Verh¨altnis f ¨ur die zwei oben genannten Zahlen (globale Austausche x lokale Iteration) reicht dabei von sehr klein - sehr groß, klein - groß, balanciert, groß - klein, sehr groß - sehr klein. Die Anzahl der gesamten Iterationen (globale Austausche x lokale Iterationen) bleiben f ¨ur jedes Problem bei allen f ¨unf Einstellungen gleich. Deswegen ist es nicht m ¨oglich die Kategorien wie klein-klein oder groß-groß zu haben. Da es bei diesem Benchmark haupts¨achlich um das Verh¨altnis zwischen den Arten von Iterationen geht, werden die Berechnungen nur auf dem 2-Nodes-Cluster durchgef ¨uhrt.
Prinzipiell endet der genetische Algorithmus nur, wenn eine zuvor definierte Grenze, in unse-rem Fall das Produkt aus lokalen Iterationen und globalen Austausche, erreicht ist. Das bedeutet, dass es keine eindeutigen Ziellinien gibt und das ein optimales Ergebnis nicht sofort erkennbar ist. Aus diesem Grund wird in diesen Benchmarks nicht die Performance des Endergebnisses betrachtet, sondern die Performance f ¨ur das Ergebnis bei einer vern ¨unftigen Zeitl¨ange.
4. Auswertung
rd100
Tourenl¨ange (km) - Generationen
Zeit (s) 10 x 1600 80 x 200 125 x 128 200 x 80 1600 x 10 0 55262 - 0 54899 - 0 53230 - 0 53135 - 0 52003 - 0 9 8893 - 1600 9835 - 1000 9665 - 1024 14214 - 240 13979 - 170 16 8130 - 8000 8296 - 4600 8803 - 4480 8515 - 2640 9243 - 700 23 8096 - 16000 8296 - 9800 8344 - 8064 8417 - 4880 8898 - 1240 32 - 8296 - 16000 8336 - 12928 8383 - 8660 8727 - 1900
Tabelle 4.1.: Performancevergleich verschiedener Einstellungen f ¨ur rd100
F ¨ur rd100 sind die Einstellungen (<globale Austausche>x<lokale Iterationen>): 10 x 1600, 80 x 200, 125 x 128, 200 x 80, 1600 x 10 zu testen. Insgesamt wird das Problem rd100 bei jeder Einstellung mit 16000 Generationen berechnet. Die L¨ange der Touren wird nach einem bestimmten Zeitpunkt, zwecks des Performancetests, miteinander verglichen.
Auf der Abbildung4.1 werden die Abl¨aufe der Berechnungen mit den genannten Einstel-lungen dargestellt. Die erw¨ahnten Einstellungen werden durch jeweils blaue, orangefarbene, gr ¨une, rote und lilafarbene Linien dargestellt. Abbildung4.1azeigt eine vergr ¨oßerte Version von Abbildung4.1b, die den Prozess von der 10. Sekunde bis zur 40. Sekunde darstellt.
Die k ¨urzeste Tour entsteht mit der Einstellung 10 x 1600, wobei bereits nach neun Sekunden eine L¨ange von 8893 km, nachdem gerade einmal 1600 Generationen bearbeitet worden sind, ermittelt wurde. Die Prozesse mit den Einstellungen 200 x 80 und 1600 x 10 haben nach 9 Sekunden weniger Generationen bearbeitet, und zwar lediglich nur 240 und 170. Die Touren sind deswegen noch relativ lang im Vergleich zu den anderen Prozessen: 14214 km und 13979 km. Nach 16 Sekunden hat der Prozess mit 200 x 80 zwei andere Prozesse ¨uberholt und ist auf die dritte Position mit 8515 km gestiegen. Der Prozess mit der Einstellung 10 x 1600 bleibt von Anfang bis Ende auf der Spitze. Die Berechnung der Tour endet mit der Bearbeitung von 16000 Generationen nach 23 Sekunden mit 8096 km. Die Einstellung 1600 x 10 ist w¨ahrend des Berechnungsprozesses mit der ¨uberwiegenden Anzahl von globale Austausche immer auf dem letzten Platz geblieben.
Abbildung4.2zeigt die Performance des Algorithmus’ nach Generationen an. Der Prozess mit der Einstellung 10 x 1600 braucht insgesamt 23 Sekunden um die 16000 Generationen zu
(a) Zeitraum zwischen 10. Sekunde und 50. Sekunde
(b) Zeitraum zwischen 10. Sekunde und 40. Sekunde
4. Auswertung
Abbildung 4.2.: Performancevergleich verschiedener Einstellungen f ¨ur rd100 nach Generatio-nen
bearbeiten. Im Gegensatz dazu steht der Prozess mit 1600 x 10. Auf der Abbildung ist zu sehen, dass 4000 Generationen unter 50 Sekunden bearbeitet worden sind. Je gr ¨oßer die Anzahl der globalen Austausche ist, desto mehr Zeit braucht dessen Prozess, um gleich viele Generationen zu bearbeiten.
qa194
Tourenl¨ange (km) - Generationen
Zeit (s) 20 x 2000 80 x 500 200 x 200 500 x 80 2000 x 20
0 92887 - 0 87256 - 0 90719 - 0 93447 - 0 86020 - 0
12 14194 - 2000 13219 - 2000 14904 - 1400 14245 - 1200 17825 - 500 21 10908 - 6000 10711 - 5000 10803 - 5000 11076 - 3200 11868 - 1360 32 10265 - 12000 10286 - 10000 10634 - 9200 10796 - 6000 10579 - 2420 51 10094 - 22000 10219 - 19000 10594 - 16400 10746 - 10800 10279 - 4280 85 10059 - 40000 10173 - 35000 10241 - 29400 10630 - 18880 10222 - 7880
Tabelle 4.2.: Performancevergleich verschiedener Einstellungen f ¨ur qa194
Die Performancetests f ¨ur das Problem qa194 werden mit folgenden f ¨unf Einstellungen durch-gef ¨uhrt: 20 x 2000, 80 x 500, 200 x 200, 500 x 80, 2000 x 20. Insgesamt wird durch 40000 Generationen iteriert und die Ergebnisse werden w¨ahrend der Berechnungen protokolliert.
F ¨ur das Problem qa194 steht die Abbildung4.3af ¨ur das Vergleichen der Performance zwischen den Einstellungen zur Verf ¨ugung. Die erw¨ahnten Einstellungen werden durch jeweils blaue, orangefarbene, gr ¨une, rote und lilafarbene Linien dargestellt. F ¨ur eine detaillierte Ansicht kann die Abbildung4.3bsowie die Tabelle4.2betrachtet werden.
Am Anfang fangen die Prozesse alle mit circa 90000 km langen Touren an. Nach zw ¨olf Sekunden erreichen die ersten vier Prozesse die Touren mit den L¨angen unter 15000 km. Der Prozess mit der Einstellung 2000 x 20 hat mit 17825 km das beste Ergebnis erreicht. Spitzenreiter mit einer Tour von 13219 km ist der Prozess mit der Einstellung 80 x 500. Das Ergebnis bleibt unver¨andert bis zur 85. Sekunde. Bemerkenswert ist das Aufsteigen des Prozesses mit den meisten globalen Austauschen. Es hat die Tour mit einer L¨ange 10579 km nach 32 Sekunden erreicht und bleibt dabei auf Position drei. Am Ende ergibt der Prozess mit der ersten Einstellung 20 x 2000 die beste Tour mit 85 Sekunden.
4. Auswertung
(a) Zeitraum zwischen 10. Sekunde und 140. Sekunde
Abbildung 4.4.: Performancevergleich verschiedener Einstellungen f ¨ur qa194 nach Generatio-nen
4. Auswertung
Wenn wir die Abst¨ande zwischen den Linien in Abbildung4.3und Abbildung 4.1 verglei-chen, kann ein Muster identifiziert werden: Die gesamte Laufzeit ist proportional zu der Anzahl der globalen Austausche. Diese Abst¨ande sind aber bei qa194 ein wenig kleiner als die bei rd100.
pcb442
Tourenl¨ange (km) - Generationen
Zeit (s) 25 x 3000 150 x 500 250 x 300 500 x 150 3000 x 25 21 133138 - 3000 121283 - 3000 121659 - 3300 114563 - 3150 113232 - 2475 58 86840 - 9000 74509 - 9500 80029 - 9000 72322 - 9000 67047 - 7250 96 72234 - 15000 67227 - 15500 67714 - 15000 63409 -15000 62600 - 12075 202 61549 - 33000 60532 - 33500 58343 - 32700 56869 - 32100 57521 - 25975 326 57835 - 54000 57340 - 54500 57849 - 59400 56444 - 54500 56683 - 42425 450 56888 - 75000 57250 - 75000 57849 - 74400 56033 - 67185 56031 - 58525
Tabelle 4.3.: Performancevergleich verschiedener Einstellungen f ¨ur pcb442
Beim Problem pcb442 wird mit folgenden Einstellungen getestet: 25 x 3000, 150 x 500, 250 x 200, 500 x 150, 3000 x 25. Diese Einstellungen werden durch jeweils blaue, orangefarbene, gr ¨une, rote und lilafarbene Linien in Abbildung4.5und Abbildung4.6dargestellt.
In Abbildung4.5k ¨onnen wir sofort erkennen, dass der Prozess mit der geringeren Anzahl von globalen Austausche nicht mehr die besseren Ergebnisse liefert. Die Tour mit den Einstellungen 25 x 3000 erreicht von Beginn an eine L¨ange von 86840 km und ist damit im Vergleich zu den anderen Prozessen deutlich gr ¨oßer. Erst nach 326 Sekunden findet dieser Prozess einen k ¨urzeren Weg und landet somit nicht auf dem letzten Platz. Aber auch in diesem Moment haben die Prozesse mit den Einstellungen 500 x 150 und 3000 x 25 bereits k ¨urzerer Touren, n¨amlich 56444 km und 56683 km, gefunden. Die zwei erw¨ahnten Prozesse erreichen in unse-rem Benchmark zwei ziemlich ¨ahnliche Kurven auf der Grafik. Die Touren bei den Prozessen h¨angen fast bei jedem Zeitpunkt nah aneinander. Die beste Tour stammt n¨amlich aus dem Prozess mit der Einstellung 3000 x 25.
Die Linien auf Abbildung4.6best¨atigen ein weiteres Mal unsere Betrachtung des Problems qa194, n¨amlich, dass die Laufzeit beider Prozesse sich kaum unterscheiden. Die Tatsache, dass nach 450 Sekunden bei dem Prozess mit 3000 x 25 nur 58525 Generationen bearbeitet wurden, ist in diesem Fall keine schlechte Nachricht, da dieser Prozess von Beginn an, trotz der weniger
(a) Zeitraum zwischen 20. Sekunde und 600. Sekunde
(b) Zeitraum zwischen 100. Sekunde und 450. Sekunde
4. Auswertung
Abbildung 4.6.: Performancevergleich verschiedener Einstellungen f ¨ur pcb442 nach Generatio-nen
bearbeiteten Generationen, die besten Ergebnisse erreicht.
lu980
Tourenl¨ange (km) - Generationen
Zeit (s) 50 x 2500 250 x 500 350 x 357 500 x 250 2500 x 50 85 78487 - 2500 78075 - 2500 71764 - 2800 70316 - 2750 66835 - 2650 401 38690 - 12500 34815 - 13500 34079 - 13300 33435 - 13500 28223 - 12750 1028 25042 - 32500 21605 - 35000 21187 - 35000 20308 - 35500 17096 - 33400 1722 19732 - 55000 16963 - 60000 16493 - 59850 16657 - 60000 15243 - 54400 3033 16267 - 100000 14350 - 106000 13848 - 106050 14008 - 106250 14058 - 97100 3751 15315 - 125000 13934 - 125000 13478 - 124950 13617 - 125000 13534 - 125000
Tabelle 4.4.: Performancevergleich verschiedener Einstellungen f ¨ur lu980
Beim Problem lu980 wird mit folgenden Einstellungen getestet: 50 x 2500, 250 x 500, 350 x 357, 500 x 250, 2500 x 50. Diese Einstellungen werden durch jeweils blaue, orangefarbene, gr ¨une, rote und lilafarbene Linien in Abbildung4.5und Abbildung4.6dargestellt.
Das Entwicklungsschema aus dem Benchmark f ¨ur das Problem qa194 ist hierbei sehr gut wiedererkennbar. Aus Abbildung4.8k ¨onnen wir die Kurve des Prozesses mit der Einstellung 50 x 2500 entnehmen, welche sich von den anderen deutlich unterscheidet. Die Touren sind signifikant l¨anger als die der anderen Prozesse zu denselben Zeitpunkten. Als Beispiel sei die Tour mit 401 Sekunden genannt. Diese betr¨agt 38690 km im Vergleich zu 34815 km, 34079 km, 33435 km und 28223 km. Im Gegensatz dazu steht der Prozess mit der Einstellung 2500 x 50.
Besonders bemerkenswert ist, dass dieser Prozess bei 1028. Sekunde liegt und eine L¨ange von 17096 km bereits erreicht hat, w¨ahrend der Rest noch ¨uber 20000 km betr¨agt. Die Kurve von der Einstellung 2500 x 50 bleibt bei der ersten H¨alfte des Prozesses am niedrigsten.
4.2.2. Genetischer Algorithmus auf Cluster mit verschiedenen Gr¨oßen In diesem Benchmark werden die Berechnungen der besten Touren auf noch zwei weitere Cluster, mit einer unterschiedlichen Anzahl an Worker-Nodes, laufen gelassen. Diese sind Cluster mit jeweils eins, zwei und vier Worker-Nodes und jeder Worker-Node l¨auft auf einem Rechner mit vier Kernen. Das heißt f ¨ur jeden globalen Austausch laufen gleichzeitig jeweils 4, 8 und 16 Instanzen des genetischen Algorithmus’ auf der gleichen Generation. Ziel dieses Benchmarks ist es, den zweiten Aspekt aus Abschnitt 4.1.3 zu erforschen.
4. Auswertung
(a) Zeitraum zwischen 500. Sekunde und 4000. Sekunde
(b) Zeitraum zwischen 1400. Sekunde und 2800. Sekunde
Abbildung 4.8.: Performancevergleich verschiedener Einstellungen f ¨ur lu980 nach Generatio-nen
4. Auswertung
Abbildung 4.9.: Performancevergleich verschiedener Cluster f ¨ur rd100 nach Tourenl¨ange
rd100
Auf Abbildung4.9werden die Berechnungsprozesse des Problems rd100 auf den zuvor vorge-stellten Clustern dargestellt. Die blaue Linie, die orangefarbene Line und die gr ¨unne Linie stellt die Perfomance von jeweils 1-Node-Cluster, 2-Nodes-Cluster und 4-Nodes-Cluster dar. Dabei wird die Einstellung 10 x 1600 verwendet, um die bestm ¨oglichen Ergebnisse zu erzielen. Die blaue Linie stellt die Entwicklung des Prozesses auf dem 1-Node-Cluster dar. Dieser Prozess dauert insgesamt nur 15 Sekunden und endet mit einer 8419 km-langen Tour. Die rote und gr ¨une Linien zeigen die Prozesse jeweils auf dem 2-Nodes- und 4-Nodes-Cluster an. Diese beiden Prozesse brauchen 23 Sekunden, um die 16000 Generationen zu durchlaufen. Die beste Tour stammt aus dem Prozess aus dem 4-Nodes-Cluster mit einer L¨ange von 8094 km.
Zeit (s) 1-Node-Cluster 2-Nodes-Cluster 4-Nodes-Cluster
2 9318 - 9098
5 8451 -
-11 8451 8221 8487
15 8419 8161 8246
21 (Fertig) 8157 8181
23 (Fertig) 8157 8094
Tabelle 4.5.: Performancevergleich verschiedener Cluster f ¨ur rd100 qa194
Zeit (s) 1-Node-Cluster 2-Nodes-Cluster 4-Nodes-Cluster
2 22181 -
-16 10371 11375 17058
28 10178 10534 10397
40 10178 10496 9791
70 10127 10026 9773
Tabelle 4.6.: Performancevergleich von verschiedenen Cluster f ¨ur qa194
Bei dem Problem qa194 wird die Einstellung 80 x 500 verwendet. Auf dem 1-Node-Cluster hat der Prozess nach zwei Sekunden eine Tour von 22181 km berechnet. W¨ahrenddessen k ¨onnen die Ergebnisse aus den anderen Clustern noch nicht betrachtet werden. Ab der 16. Sekunde ist die Tour des 1-Node-Clusters schon bei 10371 km. Der Prozess auf dem 2-Nodes-Cluster hat die erste Tour nach 16 Sekunden mit 11375 km erreicht. Diese Tour hat trotz der sp¨ateren Erscheinung ein besseres Ergebnis im Vergleich zu der Tour aus dem 1-Node-Cluster erzielt.
Obwohl der auf dem 4-Nodes-Cluster laufende Prozess schlechter begonnen hat, ¨uberholt dieser Prozess den 1-Node- und 2-Nodes-Cluster nach 40 Sekunden mit einer L¨ange von 9791 km. Die beste Tour wurde durch den Prozess auf dem 4-Nodes-Cluster mit einer L¨ange von 9773 km berechnet (Siehe Abbildung4.10und Tabelle4.6. Die blaue Linie, die orangefarbene Line und die gr ¨unne Linie stellt die Perfomance von jeweils 1-Node-Cluster, 2-Nodes-Cluster und 4-Nodes-Cluster dar.).
4. Auswertung
Abbildung 4.10.: Performancevergleich von verschiedenen Cluster f ¨ur qa194 nach Tourenl¨ange
pcb442
Zeit (s) 1-Node-Cluster 2-Nodes-Cluster 4-Nodes-Cluster
30 123718 203500 171462
90 78166 78845 77408
150 65913 63273 61922
200 61703 59022 57441
300 59461 57327 55868
Tabelle 4.7.: Performancevergleich verschiedener Cluster f ¨ur pcb442
Auf den Abbildungen4.11aund4.11bwerden die Ergebnisse des Benchmarks f ¨ur das Problem pcb442 auf 1-Node-, 2-Nodes- und 4-Nodes-Cluster mit jeweils blauen, orangefarbenen und gr ¨unnen Linien dargestellt. Bei diesem Benchmark wird der genetische Algorithmus mit 500 globalen Austausche und jeweils 150 lokalen Iterationen durchgef ¨uhrt.
Die Abbildungen zeigen zwei Hauptbereiche. Der erste Bereich zeigt die Performance vor den ersten 90 Sekunden. Der Prozess auf dem 1-Node-Cluster hat dabei die besten Ergebnisse, mit bspw. einer 123718 km-langen Tour, im Vergleich zu der 203500 km- oder 172462 km-langen Touren auf den jeweils 2-Nodes- und 4-Nodes-Clustern, erzielt. Nach etwa 90 Sekunden ver-bessert sich der Prozess auf dem 4-Nodes-Cluster im Vergleich zu den anderen beiden Clustern.
Ab 150 Sekunden hat der Prozess auf dem 4-Nodes-Cluster eine Tour von 61922 km ermittelt, w¨ahrend die Touren des 1-Node- und 2-Nodes-Clusters jeweils 65913 km und 63273 km lang sind. Die beste Tour, die eine L¨ange von 55868 km hat, wurde auf dem 4-Nodes-Cluster gefunden.
lu980
F ¨ur das gr ¨oßte Problem lu980 wird die Einstellung mit der gr ¨oßten Anzahl an Austausche bei den globale Austauschen eingesetzt: 2500 x 50. Nach dem Durchlaufen von 50 Generationen auf jeder Instanz des genetischen Algorithmus’ wird einmal zusammengef ¨uhrt.
Abbildung4.12 stellt die Prozesse auf den drei vorgestellten Clustern mit jeweils blauen, orangefarbenen und gr ¨unnen Linien dar. Diese Linien sind voneinander deutlich erkennbar, da die Ergebnisse auf allen angezeigten Zeitpunkten eine gemeinsame Anordnung teilen. Die Tou-ren aus dem Prozess des 1-Node-Clusters sind st¨andig l¨anger als die aus den beiden restlichen Clustern. Die besten Touren wurden immer durch denjenigen Prozess gefunden, der auf dem
4. Auswertung
(a) Zeitraum zwischen 20. Sekunde und 300. Sekunde
(b) Zeitraum zwischen 50. Sekunde und 300. Sekunde
Abbildung 4.11.: Performancevergleich verschiedener Cluster f ¨ur pcb442 nach Tourenl¨ange
Abbildung 4.12.: Performancevergleich verschiedener Cluster f ¨ur lu980 nach Tourenl¨ange
4. Auswertung
Zeit (s) 1-Node-Cluster 2-Nodes-Cluster 4-Nodes-Cluster
141 66991 68515 67478
500 36074 35369 32995
1000 24955 24393 22600
1550 20196 18917 18257
2000 17947 16413 16078
3000 16032 14373 14048
4000 14928 13787 13070
Tabelle 4.8.: Performancevergleich verschiedener Cluster f ¨ur lu980
4-Nodes-Cluster durchlaufen worden ist. In der Tabelle4.8werden die jeweiligen Ergebnisse aufgelistet. Der Tabelle kann entnommen werden, dass nach 5681 Sekunden die k ¨urzeste Tour mit einer L¨ange von 12687 km gefunden wurde.
4.2.3. ¨Ublicher IGA und IGA auf einem Cluster
In diesem Benchmark werden die Berechnungsprozesse von einem eigenst¨andigenIGAund einemIGAauf dem Apache-Spark-Cluster verglichen. Der eigenst¨andigeIGAl¨auft auf einem Rechner mit einer Java-Umgebung ohne jegliche Anwendungen des Apache Sparks. Ohne die Ber ¨ucksichtigung des zweiten Benchmarks wollen wir die Performance desIGAs auf einem m ¨oglichst großen Cluster und die des eigenst¨andigenIGAs vergleichen. Aus diesem Grund laufen f ¨ur alle Probleme die Instanzen desIGAs auf dem 4-Nodes-Cluster.
Zeit (s) Standalone-IGA IGA auf 4-Nodes-Cluster
12 8354 - 16000 9098 - 1600
Tabelle 4.9.: Ergebnisvergleich von rd100
Zeit (s) Standalone-IGA IGA auf 4-Nodes-Cluster
8 11009 - 10000 22869 - 500
20 10968 - 28500 12403 - 2500
30 10761 - 40000 10026 - 8500
Tabelle 4.10.: Ergebnisvergleich von qa194
Zeit (s) Standalone-IGA IGA auf 4-Nodes-Cluster 120 64182 - 35000 67205 - 10050 170 63183 - 50000 59348 - 15150 250 59989 - 75000 56222 - 23750 Tabelle 4.11.: Ergebnisvergleich von pcb442
Zeit (s) Standalone-IGA IGA auf 4-Nodes-Cluster 767 30143 0 - 30000 26139 - 17000 1583 22387 - 65000 18257 - 37250 2314 17793 - 125000 15410 - 54500 Tabelle 4.12.: Ergebnisvergleich von lu980
Der eigenst¨andigeIGAermittelt beim rd100-Problem nach zwei Sekunden eine Tour von 8354 km, nachdem durch die gesamten 16000 Generationen durchiteriert worden ist. Der Prozess auf dem 4-Nodes-Cluster hat w¨ahrend derselben Zeit 1600 Generationen evolviert und eine Tour von 9098 km errechnet. Obwohl die beste Tour aus diesem Prozess nur 8094 Km lang ist, dauerte die Berechnung 23 Sekunden.
Bei der fr ¨uheren Phase der Berechnung f ¨ur das qa194-Problem auf dem 4-Nodes-Cluster, konnte der Prozess keine bessere Tour als die aus dem eigenst¨andigenIGA-Prozess liefern. Erst wenn die ersten 8500 Generationen bearbeitet worden sind, tauchte eine Tour mit einer L¨ange von 10026 km auf. W¨ahrenddessen hat der eigenst¨andigeIGAmit 10761 km bei der 30. Sekunde die kompletten Iterationen abgeschlossen.
In fr ¨uhen Phasen der Berechnungen f ¨ur die Probleme pcb442 und lu980 kann ein ¨ahnliches Muster beobachtet werden. Die Prozesse, die auf dem Cluster laufen, ermitteln nach den ersten Generationen sehr schnell bessere Ergebnisse, als die mit dem eigenst¨andigenIGA. Dieses Muster unterscheidet sich von dem Muster der Prozesse f ¨ur das qa194-Problem dahingehend, dass fr ¨uhzeitig bessere Ergebnisse geliefert werden. Nach 170 Sekunden wurden Touren mit 59348 km und 63183 km aus jeweils dem Prozess des Clusters und die des eigenst¨andigen
IGAs f ¨ur das pcb442-Problem gefunden. Obwohl die gefundene Tour mit 64182 km ab der 120.
4. Auswertung
Sekunde von dem eigenst¨andigenIGAk ¨urzer ist, ist diese Tour noch weit entfernt von einer optimalen Tour.
In diesem Kapitel werden die, aus den Benchmarks stammenden Ergebnisse, in der Tiefe bewertet. Dabei werden neben den einzelnen Bewertungen auch die aufgetauchten Ergebnisse erl¨autert.