Computational Intelligence

Lecturers:Kókai, G.; Hardung, B.
Coverage:2 SWS (4 ECTS)
Dates & location:
  • Thursday, 16:05 - 17:35, 05.150
Audience:WPF CE-MA (5.-7. Semester)
WPF INF-DH-PS (5.-7. Semester)
Literature:
  • Kalyanmoy Deb: Multi-Objective Optimization using Evolutionary Algorithms, John Wiley Sons Ltd, 2001
  • D. Corne, M. Dorigo and F. Glover: New Ideas in Optimization, McGraw Hill, 1999.
  • C. Reeves: Modern Heuristic Techniques for Combinatorial Problems, McGraw Hill, 1995.
  • E. Bonabeau, M. Dorigo, and G. Theraulaz, Swarm Intelligence: From natural to artificial systems, Oxford University Press, 1999.
Topics:

Computational Intelligence bezeichnet ein Gebiet der Informatik, in dem versucht wird, erfolgreiche biologische Konzepte, die sich im Laufe der Jahrmillionen in der Natur entwickelt haben, zu formalisieren und auf technische und betriebswirtschaftliche Anwendungen zu übertragen. Deswegen könnte man dieses Gebiet auch 'Bionik in der Informatik' nennen.

Den Schwerpunkt der Vorlesung bilden neben der (Meta-)Heuristiken, die auf der Simulation natürlicher bzw. biologischer Prozesse beruhen Verfahren für Mehrzieloptimierungsaufgaben
Grundlegende Charakteristik einer Mehrzieloptimierung ist, daß es keine eindeutige Lösung gibt. Häufig sind verschiedene Ziele unvereinbar miteinander oder widersprechen sich. Es bedeutet, dass mehrere Optimierungskriterien in vielen Anwendungsfällen relevant sind, die sich meistens orthogonal zueinander verhalten. Jedes dieser Kriterien muss entweder minimiert oder maximiert werden. Das eigentliche Ziel einer Mehrzieloptimierung ist deshalb die sogenannte Pareto-Front, die Menge optimaler Kompromisse, bei denen jeweils keine Verbesserung in einem Ziel mehr erreicht werden kann, ohne in einem anderen schlechter zu werden.

Die verschiedenen Methoden werden am Beispiel des Traveling Salesman Problems demonstriert, und an Hand anderer Probleme aus der Bioinformatik und embedded Systeme diskutiert.

Themenbereiche
Die folgenden Themenbereiche werden in dieser Vorlesung behandelt:

  • Simulated Annealing und Tabu Search
  • Evolutionäre Algorithmen
  • Künstliche neuronale Netze
  • Ameisenkolonien
  • Memetische Algorithmen und Partikel-Schwärme
  • Membrane Computing
watermark seal