Viele Problemstellungen in Wissenschaft aber auch in der Industrie lassen sich auf vielfältige Weise attackieren. Für Optimierungsproblem beispielsweise steht eine Vielzahl unterschiedlicher Lösungsalgorithmen zur Verfügung. Hierunter fallen u.a. naturinspirierte Verfahren wie evolutionäre oder genetische Algorithmen, aber auch Schwarm imitierende Ansätze basierend auf Ameisen- oder Bienenvölkern, exakte Verfahren und viele mehr. Welches Verfahren sich für ein konkretes Problem am besten eignet hängt stark von der Problemstruktur. Gibt es ein Optimum? Oder viele? Gibt es lokale Optima in denen der Optimierungsprozess zum Stocken kommen kann? Wie sehen die Gradienten aus?
Oft entziehen sich Probleme einer analytischen Untersuchung, um diese Eigenschaften exakt mathematisch herzuleiten. Das ist beispielsweise der Fall bei Black-Box Problemen, bei denen der funktionale Zusammenhang (und auch keine Ableitungsinformationen) bekannt sind. Stattdessen kann eine 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 diesem Seminar näher beleuchten; sowohl bezüglich theoretischer Konzepte als auch bezüglich praktischer Anwendungsbeispiele.
Zudem wollen wir in diesem Seminar aber auch lernen, wissenschaftliche Paper zu schreiben; eine Fähigkeit, die nicht nur für eine wissenschaftliche Laufbahn essentiell ist, sondern auch für die technische Kommunikation mit Kunden und Kollegen bei einer wirtschaftlichen/ industriellen Laufbahn. Die Seminararbeit soll daher die Form eines wissenschaftlichen Papers (einschließlich ‚Konferenzvortrag‘) haben. Die Seminararbeiten können dabei sowohl praktische Programmieranteile haben (klassisches wissenschaftliches Paper) oder technologievergleichende Survey-Paper sein.