Evolutionary Algorithms
Beschreibung
Evolutionäre Algorithmen orientieren sich an der biologischen Evolution. Anhand zufälliger Mutationen, Verschmelzungen (die die Reproduktion nachbilden) und gezielter Selektion wird versucht, Funktionen zu optimieren und (kombinatorische) Optimierungsprobleme zu lösen. Der Kurs behandelt die folgenden Themen:
- Einführung in Evolutionäre Algorithmen
- Meta-Heuristiken und relevante Optimierungsmethoden
- Modellierung, Fitness und Selektionsmechanismen
- Genetische Operatoren
- Schema Theorem und No Free Lunch Theorem
- Genetische Programmierung
- Multikriterielle Optimierung
- Parallele und verteilte Optimierung
Die Vorlesung wird auf Deutsch gehalten.
Lehrpersonen
- Sanaz Mostaghim
- Ruby Moritz
- Fabian Witt
+++++++ Die Klausur findet am 14.07. von 08:00-10:00 Uhr in G29-307 statt. +++++++
Vorlesungen
Die Vorlesungen finden Donnerstags 11:00 - 12:30 in Raum G29 - 307 statt.
Vorlesungsfolien:
- Kapitel 0: Organization
- Kapitel 1: Einführung EA
- Kapitel 2: Metaheuristiken und verwandte Optimierungsverfaren - I
- Kapitel 3: Kodierung, Fitness und Selektion
- Kapitel 4: Operatoren
- Kapitel 5: Metaheuristiken - II
- Kapitel 6: Schematheorem
- Kapitel 7: Genetic Programming
- Kapitel 8: Mehrzieloptimierung
- Kapitel 9: Parallele Optimierung und Evolutionary Game Theory
Aufzeichnungen
- Donnerstag 07.04.2016: Kapitel 0 un Kapitel 1 (Teil 1, Teil 2)
- Donnerstag 14.04.2016: Kapitel 1
- Donnerstag 21.04.2016: Kapitel 2
- Donnerstag 28.04.2016: Kapitel 2 und 3
- Donnerstag 12.05.2016: Leider keine Aufzeichnung
- Donnerstag 19.05.2016: Leider keine Aufzeichnung
- Donnerstag 26.05.2016: Kapitel 5
- Donnerstag 02.06.2016: Kapitel 6
- Donnerstag 08.06.2016: Kapitel 6 und 7
- Donnerstag 16.08.2016: Kapitel 8
Übungen
Es gibt drei Übungsgruppen:
- Gruppe A: Montags 11:15 - 12:45, G22A-209
- Gruppe B: Mittwochs 09:15 - 10:45, G29-K058
- Gruppe C: Donnerstags15:15 - 16:45, G29-E037
Die ersten Übungen finden in der Woche vom 11. bis 15. April statt.
Registrierung für die Übungen:
Die Registrierung ist ab sofort möglich bis zum 10. April, 23:59 Uhr. Um sich für eine Übungsgruppe zu registrieren, benutzen Sie bitte diesen Link, wählen Sie die Veranstaltung "Evolutionäre Algorithmen" aus, und folgen Sie den weiteren Anweisungen.
Übungsfolien und Übungsaufgaben:
Zur Vorlesung gibt es jede Woche Übungsblätter mit Aufgaben. Die Aufgaben müssen am Beginn einer jeden Übung votiert werden. Durch das Votieren erklärt man sich bereit, dass man in der Lage ist, die Aufgabe und einen Lösungsvorschlag zu erklären und präsentieren. (Der Vorschlag muss nicht vollständig richtig sein. Es muss allerdings klar werden, dass man sich gewissenhaft mit der Aufgabe auseinandergesetzt hat.) Wer den Kurs mit einer Prüfung oder einem benoteten Schein beenden will, muss:
- regelmäßig und gut in den Übungen mitarbeiten,
- mindestens zwei Drittel der schriftlichen Aufgaben votieren,
- mindestens zweimal eine Lösung zu einer schriftlichen Aufgabe präsentieren,
- schließlich eine schriftliche Prüfung nach dem Kurs bestehen.
Aufgaben:
- Übungsblatt 1
- Übungsblatt 2
- Übungsblatt 3
- Übungsblatt 4
- Übungsblatt 5
- Übungsblatt 6
- Übungsblatt 7
- Übungsblatt 8
- Übungsblatt 9 qga queens
- Übungsblatt 10
| Woche | Gruppe A | Gruppe B | Gruppe C |
|
04.04.-08.04. |
|||
|
11.04.-15.04. |
Übungsblatt 1 | Übungsblatt 1 | Übungsblatt 1 |
|
18.04.-22.04. |
Übungsblatt 2 | Übungsblatt 2 | Übungsblatt 2 |
|
25.04-30.04. |
Übungsblatt 3 | Übungsblatt 3 | Übungsblatt 3 |
|
02.05.-06.05. |
|||
|
09.05.-13.05. |
Übungsblatt 4 | Übungsblatt 4 | Übungsblatt 4 |
|
16.05.-20.05. |
|||
|
23.05.-27.05 |
Übungsblatt 5 | Übungsblatt 5 | Übungsblatt 5 |
|
30.05.-03.06. |
Übungsblatt 6 | Übungsblatt 6 | Übungsblatt 6 |
|
06.06.-10.06. |
Übungsblatt 7 | Übungsblatt 7 | Übungsblatt 7 |
|
13.06.-17.06. |
Übungsblatt 8 | Übungsblatt 8 | Übungsblatt 8 |
|
20.06.-24.06. |
Übungsblatt 9 | Übungsblatt 9 | Übungsblatt 9 |
|
27.06.-01.07. |
Übungsblatt 10 | Übungsblatt 10 | Übungsblatt 10 |
|
04.07.-08.07. |
Vorbereitung Klausur | Vorbereitung Klausur | Vorbereitung Klausur |
Literatur
- Kruse, Borgelt, Klawonn, Moewes, Ruß, Steinbrecher (2011). Computational Intelligence, Vieweg+Teubner, Wiesbaden.
- Ines Gerdes, Frank Klawonn, Rudolf Kruse (2004). Evolutionäre Algorithmen. Vieweg, Wiesbaden.
- Karsten Weicker (2007). Evolutionäre Algorithmen. 2., überarb. u. erw. Auflage, Teubner, Wiesbaden.
- Volker Nissen (1997). Einführung in evolutionäre Algorithmen. Optimierung nach dem Vorbild der Evolution. Vieweg, Braunschweig/Wiesbaden.
- Zbigniew Michalewicz (1998). Genetic Algorithms + Data Structures = Evolution Programs. Springer, Berlin.
- Richard Dawkins (1990). The Selfish Gene. Oxford University Press, Oxford, UK. (deutsche Ausgabe: Das egoistische Gen. Rowohlt, Hamburg, 1996)
- Richard Dawkins (1996). The Blind Watchmaker. Penguin Books, London, UK. (deutsche Ausgabe: Der blinde Uhrmacher. dtv, München, 1996)
- E. K. Burke, M. R. Hyde and G. Kendall (2006), "Evolving Bin Packing Heuristics with Genetic Programming" in Lecture Notes in Computer Science, Vol. 4193, Springer Verlag, Berlin / Heidelberg, Seiten 860-869 (Artikel zur Lösung des Packproblems in Aufgabe 40 mittels GP)