Oster N (2001)
Publication Language: German
Publication Type: Thesis
Publication year: 2001
Publisher: Friedrich-Alexander-Universität
City/Town: Erlangen-Nürnberg
Pages Range: 116
Auch wenn man nicht an "Murphy’s Law" glaubt, ein unerwünschtes Ereignis kann jederzeit eintreten, und es ist dabei auch nicht ausgeschlossen, daß es eine ganze Reihe unglücklicher Folgen hat. Das Ziel des Risikomanagements ist es, jederzeit einen Überblick über die aktuelle Risikosituation zu haben, insbesondere wenn Entscheidungen anstehen. Einerseits möchte man wissen, wo potentielle Gefahren liegen und ganz besonders wie groß sie sind, andererseits kann man damit auch abschätzen, wie groß eine Chance ist, die man ergreifen möchte - ohne dabei die damit verbundenen Risiken außer Acht zu lassen.
Leider sind Risiken im wahrsten Sinne des Wortes nur "schwer kalkulierbar". Je größer ein Unternehmen ist, desto komplexer sind die Zusammenhänge zwischen den Abteilungen, den Projekten und eben auch den Risiken. Auch von außerhalb drohen Gefahren, die noch schwerer abzuschätzen sind. Man denke da nur an die verschiedenen Lieferketten - zum Jahrtausendwechsel wurde simuliert und hochgerechnet, welcher Schaden allein ein Autohersteller hätte, der meist just-in-time von mehreren Tausend Lieferanten beliefert werden muß, wenn wegen Y2K auch nur ein einziger davon Lieferschwierigkeiten bekommt - es geht um Millionen pro Tag.
Da Risiken sehr stark miteinander verzahnt sein können, von nichtlinearen Zusammenhängen zwischen den Faktoren bis hin zu zirkulären Abhängigkeiten, kann man mit einfachen algorithmischen Mitteln nicht mehr abschätzen, wie wahrscheinlich ein Schaden ist und welche Kosten er nach sich zieht. Deshalb bedarf es weitaus mächtigerer Such- und Optimierungsverfahren, die Risiken abschätzen, bewerten und vielleicht sogar ideale Gegenmaßnahmen ermitteln können. Wenn man schon keine genauen Daten erwarten kann, so zumindest eine obere und eine untere Grenze für Risikokennzahlen, oder den wahrscheinlichsten Bereich. Evolutionäre Verfahren, darunter insbesondere Genetische Algorithmen, haben sich in vielen verschiedenen Problemfällen dieser Art bewährt, warum also nicht auch in einem softwaregestützten Risikomanagement-System?
Um einen Überblick über die Fähigkeiten und Einsatzmöglichkeiten der evolutionären Verfahren zu geben, werden im Kapitel 1 dieser Arbeit die Grundlagen des Risikomanagements skizziert, sofern sie für die Algorithmen relevant sind. Dazu gehört insbesondere die Repräsentation eines Risikos und die Risikoaggregation. Außerdem wird der Einsatz von Optimierungsalgorithmen motiviert und eine kurze Darstellung der verschiedenen Möglichkeiten gegeben.
Im Kapitel 2 wird die Klasse der evolutionären Verfahren detailliert geschildert. Da der Genetische Algorithmus (GA) das mit Abstand am häufigsten erforschte und eingesetzte Verfahren ist, widme ich dieser Methode auch einen Großteil des Kapitels. Dazu gehört auch eine Beschreibung der unterschiedlichen Codierungsmöglichkeiten, mit deren Hilfe man ein Optimierungsproblem überhaupt GA-tauglich machen kann. Danach werden die Details der verschiedenen Operatoren (Selektion, Kreuzung und Mutation) ebenso vorgestellt, wie die meistverwendeten, unterschiedlichen Möglichkeiten diese Operatoren zu implementieren. Das Unterkapitel endet mit einer kurzen Empfehlung für die Parametrisierung der Operatoren. Ebenfalls zur Klasse der evolutionären Verfahren gehören natürlich die Evolutionären Strategien, die im Anschluß kurz skizziert und mit den Genetischen Algorithmen verglichen werden. Da die Parametrisierung der evolutionären Verfahren eines der größten Probleme bei der Implementation ist, insbesondere weil der Erfolg und die Performance der Optimierung entscheidend davon abhängen, werden Ansätze präsentiert, wie diese Parameter automatisch an die sich möglicherweise kontinuierlich ändernden Erfordernisse des Problems angepaßt werden können. Weil das Risikomanagement manchmal mit "ungenauen" Angaben auskommen muß, liegt es nahe, auch die Genetischen Algorithmen so zu implementieren, daß sie auf Risiken arbeiten, die mit Hilfe der "Fuzzy Logic" repräsentiert werden - deshalb wird diesem Thema eigens ein Unterkapitel gewidmet. Die letzten zwei Unterkapitel beschäftigen sich mit Varianten der Genetischen Algorithmen, bei denen nicht nur die optimale Lösung gewünscht wird, sondern auch lokale Optima von Interesse sein könnten, wie zum Beispiel für die Ermittlung von Gegenmaßnahmen (man nennt das multimodale Optimierung) sowie die Optimierung hinsichtlich mehrerer verschiedener Kriterien gleichzeitig (multiobjektive Optimierung), was ebenfalls mehrere Lösungen ergibt, die alle für sich genommen optimal sind.
Das Kapitel 3 präsentiert eine relativ neue Heuristik, die wie die evolutionären Verfahren von der Natur abgeschaut ist. Sie eignet sich vorwiegend für diskrete Probleme, darunter insbesondere zur Bestimmung einer optimalen Reihenfolge, kann aber auf nahezu jede Aufgabe übertragen werden, die durch Genetische Algorithmen gelöst werden kann. Sie ist deshalb besonders erwähnenswert, da Versuche damit gezeigt haben, daß diese Methode teilweise schneller Ergebnisse liefern kann, als die evolutionären Verfahren.
Damit man auch einen Überblick über andere Suchalgorithmen erhält, gehe ich im Kapitel 4 auf ausgewählte Beispiele ein. Da es sehr viele verschiedenen Such- und Optimierungsverfahren gibt, beschränke ich mich hier auf ein paar der Methoden, die ebenfalls aus der Natur (teilweise auch Physik) stammen.
Das Kapitel 5 faßt die verschiedenen Einsatzmöglichkeiten der evolutionären Verfahren (oder allgemein der Such- und Optimierungsalgorithmen) im Rahmen eines Risikomanagement-Systems zusammen. Dazu werde ich auch versuchen, eine Anleitung zur Umsetzung zu geben, sofern mir dies auf diesem Stand des Projektes möglich ist.
Schließlich präsentiere ich im Kapitel 6 wie zwei ausgewählte Aufgaben des Risikomanagements mit Hilfe von zwei verschiedenen evolutionären Verfahren umgesetzt werden könnten. Ein Vergleich mit anderen Arbeiten ist leider nicht möglich, da ein solcher Ansatz bisher noch in keiner Literaturquelle gefunden werden konnte.
APA:
Oster, N. (2001). Implementierung eines evolutionären Verfahrens zur Risikoabschätzung (Diploma thesis).
MLA:
Oster, Norbert. Implementierung eines evolutionären Verfahrens zur Risikoabschätzung. Diploma thesis, Erlangen-Nürnberg: Friedrich-Alexander-Universität, 2001.
BibTeX: Download