Die hier angezeigten Termine und Veranstaltungen werden dynamisch aus Stud.IP heraus angezeigt.

Daher kontaktieren Sie bei Fragen bitte direkt die Person, die unter dem Punkt Lehrende/Dozierende steht.

Veranstaltung

Semester: Sommersemester 2022

2.01.584 Explorative Suchraumanalyse -  


Veranstaltungstermin | Raum

  • Dienstag, 19.4.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 22.4.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 26.4.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 29.4.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 3.5.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 6.5.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 10.5.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 13.5.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 17.5.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 20.5.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 24.5.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 27.5.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 31.5.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 3.6.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 7.6.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 10.6.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 14.6.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 17.6.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 21.6.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 24.6.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 28.6.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 1.7.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 5.7.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 8.7.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 12.7.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 15.7.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 19.7.2022 14:15 - 15:45 | A03 4-403
  • Freitag, 22.7.2022 8:15 - 09:45 | A03 4-403
  • Dienstag, 13.9.2022 10:00 - 12:00 | wir noch bekannt gegeben
  • Mittwoch, 14.9.2022 15:00 - 16:30 | wird noch bekannt gegeben
  • Donnerstag, 22.9.2022 15:00 - 16:30 | wird noch bekannt gegeben

Beschreibung

Viele Problemstellungen in Wissenschaft aber auch in der Industrie lassen sich auf vielfältige Weise attackieren. Für Optimierungsprobleme beispielsweise, steht eine Vielzahl unterschiedlicher Lösungsalgorithmen zur Verfügung. Hierunter fallen u.a. naturinspirierte Verfahren wie evolutionäre oder genetische Algorithmen, aber auch Schwarm imitierende Ansätze, welch Ameisen- oder Bienenvölkern mimen, exakte Verfahren und viele mehr. Welches Verfahren sich für ein konkretes Problem am besten eignet hängt stark von der Problemstruktur. Gibt es nur ein Optimum? Oder viele? Gibt es lokale Optima in denen der Optimierungsprozess zum Stocken kommen kann? Oder sind lokale Optima gut genug, da sie sich eh kaum unterscheiden? Wie sehen die Gradienten aus?
Oft entziehen sich Probleme leider einer analytischen Untersuchung, mit denen sich solche Eigenschaften exakt mathematisch herzuleiten ließen. Das ist beispielsweise der Fall bei Black-Box Problemen, bei denen kein funktionaler Zusammenhang (und auch keine Ableitungsinformationen) bekannt sind. Stattdessen kann eine nur punktuelle Evaluation durchgeführt werden; z.B. durch Simulation. Für eine geeignete Algorithmenwahl ist eine Kenntnis der Problemcharakteristik dennoch unumgänglich. Hier können Ansätze der Fitness Landscape Analysis helfen: Eigenschaften werden simulativ abgeleitet.
Dieses Konzept wollen wir in dieser Vorlesung näher beleuchten; sowohl bezüglich theoretischer Konzepte als auch bezüglich praktischer Anwendungsbeispiele. Aber auch Kennzahlen zur Analyse von Fitnesslandschaft-Trajektorien aus der Chaostheorie und Möglichkeiten zur visuellen Analyse werden besprochen.
Durch den hohen Übungsanteil von 50% können alle besprochenen Ansätze auch praktisch ausprobiert und gefestigt werden.

lecturer

Studienbereiche

  • Studium generale / Gasthörstudium

SWS
4

Für Gasthörende / Studium generale geöffnet:
Ja

(Stand: 19.01.2024)  | 
Zum Seitananfang scrollen Scroll to the top of the page