Modulnummer

Modulbezeichnung

Titel (englisch)

Pflicht/Wahl

Erklärung

CP

Berechnung des Workloads

Turnus

Dauer

Form

Prüfung

Anforderungen

Lernziele

• Optimierungsprobleme verstehen und erklären können
• Konstruktions- und Verbesserungsheuristiken unterscheiden und bewerten können
• Über tiefgehende Kenntnisse über Evolutionäre Algorithmen und Unterscheidung deren Ausprägungen verfügen
• Die Funktionsweise von Genetischen Algorithmen tiefergehend verstehen
• Metaheuristiken erklären und bewerten können
• Methoden zur Mehrzieloptimierung gegenüberstellen und anwenden können
• Die vorgestellten Algorithmen hinsichtlich ihrer Qualitäts- und Laufzeitunterschiede analysieren können
• Eine themenspezifischen Programmieraufgabe implementieren und präsentieren können

Lerninhalte

• Darstellung des Suchraumes für Optimierungsprobleme
• Optimalitätskriterien für Optimierungsprobleme
• Qualitätsabschätzung einer Lösung bei unbekanntem Optimum
• Konstruktions- und Verbesserungsheuristiken zum Handlungsreisendenproblem und zur Graphpartitionierung
• Mutations- Selektionsverfahren
• Simulated Annealing
• Evolutionäre Algorithmen
• Theoretische Grenzen Evolutionärer Algorithmen
• Theoretische Grundlagen der Mehrzieloptimierung
• Tabusuche
• Ameisenkolonien
• Parallelisierung in der Optimierung

Quellen

• Karsten Weicker: Evolutionäre Algorithmen, 2007
• David Goldberg: Evolutionary Algorithms, 1989
• John Koza: Genetic Programming, 1992
• Kalyanmoy Deb: Multi-Objective Optimization using Evolutionary Algorithms, 2001
• Corne, Dorigo, Glover: New Ideas in Optimization, 1999
• Originalarbeiten aus IEEE Transactions on Evolutionary Algorithms

Sprache

Bemerkung

Zuletzt geändert