Für die erfolgreiche Lösung eines Optimierungsproblems ist die Wahl der verwendeten Suchstrategie von entscheidender Bedeutung. Die vorliegende Arbeit untersucht die Kriterien dieser Wahl. Dabei stellen sich drei grundlegende Fragen: Welche Strategien der Optimierung eines gegebenen Problems existieren überhaupt, und was für Eigenschaften besitzen sie? Wodurch wird der Charakter eines Optimierungsproblems bestimmt, und gibt es Klassen ähnlicher Probleme? Besteht eine Verbindung zwischen den Eigenschaften der Strategien und den Klassen der Probleme, die es ermöglicht, für jede Problemklasse eine geeignete Optimierungsstrategie anzugeben? Dazu wird zuerst die Klasse der Evolutionären Algorithmen naher betrachtet, deren generelles Verhalten die Boltzmannstrategie, Darwinstrategie oder Boltzmann-Darwin-Strategie beschreiben. Als weiteres Beispiel wird die Multitome Strategie untersucht. In ihr wird das Problem unter verschiedenen Gesichtspunkten betrachtet und in Einzelanforderungen zerlegt, die abwechselnd optimiert werden. Für den speziellen Fall der Dichotomen Strategie wird die allgemeine zeitabhängige Lösung mit Hilfe der Methode der Charakteristiken bestimmt. Zur Beantwortung der zweiten Frage wird die Zustandsdichte als klassifizierende Größe des Optimierungsproblems eingeführt. Sie kann unter Verwendung der Boltzmannstrategie während des Optimierungslaufes durch zwei allgemeine Approximationsmethoden: die Methode der stationären Verteilungen und die Eigenvektormethode bestimmt werden. Aus der Zustandsdichte erhält man den Wirkungsgrad der Zufallssuche. Er charakterisiert den Ordnungsgrad des Problems und stellt damit ein wichtiges Maß der Problemschwierigkeit dar. Die entscheidende dritte Frage wird für Probleme der Optimierung frustrierter Sequenzen, der Netzwerkoptimierung und für das Faltungsproblem der RNA behandelt. Mit der Einführung der Klassen gerichteter und ungerichteter Strategien, die für Optimierungsprobleme mit niedrigem bzw. hohem Wirkungsgrad der Zufallssuche effektiv sind, kann eine Verbindung zwischen dem Strategieverhalten und dem Problemcharakter hergestellt werden, die es ermöglicht, für eine konkrete Optimierungsaufgabe die Klasse der geeigneten Strategien zu wählen. / A crucial point of successful solving an optimization problem is the choice of the used strategy. The present paper investigates the criteria of this choice. Thereby three fundamental questions put themselves: Which strategies of the optimization of a given problem exist altogether, and which properties characterize the strategies? How is the character of an optimization problem determined, and are there classes of similar problems? Does a combination exist between the characteristics of the strategies and the classes of problems, which makes it possible to indicate a suitable strategy for each class? The class of the Evolutionary Algorithms is considered more closely. The general behavior of the algorithms can be described by the Boltzmann strategy, Darwin strategy or Boltzmann-Darwin strategy. As a further example the Multitomic strategy is explored. In this approach the problem is considered under different points of view and decomposes in single demands, which are optimized alternately. For the special case of the Dichotomic strategy the general time dependent solution is determined. To answer the second question the density of states is introduced as classifying measure of optimization problems. The density can be determined during the optimization course by two general approaches: the method of the stationary distribution and the eigenvalue method. From the density of states one receives the efficiency of the random search. It describes the degree of order of the problem and presents an measure of the problem difficulty. The important third question is treated for problems of the optimization of frustrated sequences, the network optimization and RNA folding. The introduction of the classes of directed and non directed strategies, which are effective for problems with low and high efficiency of the random search, establishes a connection between the strategy and the character of the problem, which makes it possible to choose the class of the suitable strategies for a given optimization task.

Auf dem Gebiet der drahtlosen Kommunikation und insbesondere auf den tieferen Netzwerkschichten sind gewaltige Fortschritte zu verzeichnen. Innovative Konzepte und Technologien auf der physikalischen Schicht (PHY) gehen dabei zeitnah in zelluläre Netze ein. Drahtlose Maschennetzwerke (WMNs) können mit diesem Innovationstempo nicht mithalten. Die Mehrnutzer-Kommunikation ist ein Grundpfeiler vieler angewandter PHY Technologien, die sich in WMNs nur ungenügend auf die etablierte Schichtenarchitektur abbilden lässt. Insbesondere ist das Problem des Scheduling in WMNs inhärent komplex. Erstaunlicherweise ist der Mehrfachzugriff mit Trägerprüfung (CSMA) in WMNs asymptotisch optimal obwohl das Verfahren eine geringe Durchführungskomplexität aufweist. Daher stellt sich die Frage, in welcher Weise das dem CSMA zugrunde liegende Konzept des konkurrierenden Wettbewerbs (engl. Contention) für die Integration innovativer PHY Technologien verwendet werden kann. Opportunistische Kommunikation ist eine Technik, die die inhärenten Besonderheiten des drahtlosen Kanals ausnutzt. In der vorliegenden Dissertation werden CSMA-basierte Protokolle für die opportunistische Kommunikation in WMNs entwickelt und evaluiert. Es werden dabei opportunistisches Routing (OR) im zustandslosen Kanal und opportunistisches Scheduling (OS) im zustandsbehafteten Kanal betrachtet. Ziel ist es, den Durchsatz von elastischen Paketflüssen gerecht zu maximieren. Es werden Modelle für Überlastkontrolle, Routing und konkurrenzbasierte opportunistische Kommunikation vorgestellt. Am Beispiel von IEEE 802.11 wird illustriert, wie der schichtübergreifende Entwurf in einem Netzwerksimulator prototypisch implementiert werden kann. Auf Grundlage der Evaluationsresultate kann der Schluss gezogen werden, dass die opportunistische Kommunikation konkurrenzbasiert realisierbar ist. Darüber hinaus steigern die vorgestellten Protokolle den Durchsatz im Vergleich zu etablierten Lösungen wie etwa DCF, DSR, ExOR, RBAR und ETT. / In the field of wireless communication, a tremendous progress can be observed especially at the lower layers. Innovative physical layer (PHY) concepts and technologies can be rapidly assimilated in cellular networks. Wireless mesh networks (WMNs), on the other hand, cannot keep up with the speed of innovation at the PHY due to their flat and decentralized architecture. Many innovative PHY technologies rely on multi-user communication, so that the established abstraction of the network stack does not work well for WMNs. The scheduling problem in WMNs is inherent complex. Surprisingly, carrier sense multiple access (CSMA) in WMNs is asymptotically utility-optimal even though it has a low computational complexity and does not involve message exchange. Hence, the question arises whether CSMA and the underlying concept of contention allows for the assimilation of advanced PHY technologies into WMNs. In this thesis, we design and evaluate contention protocols based on CSMA for opportunistic communication in WMNs. Opportunistic communication is a technique that relies on multi-user diversity in order to exploit the inherent characteristics of the wireless channel. In particular, we consider opportunistic routing (OR) and opportunistic scheduling (OS) in memoryless and slow fading channels, respectively. We present models for congestion control, routing and contention-based opportunistic communication in WMNs in order to maximize both throughput and fairness of elastic unicast traffic flows. At the instance of IEEE 802.11, we illustrate how the cross-layer algorithms can be implemented within a network simulator prototype. Our evaluation results lead to the conclusion that contention-based opportunistic communication is feasible. Furthermore, the proposed protocols increase both throughput and fairness in comparison to state-of-the-art approaches like DCF, DSR, ExOR, RBAR and ETT.