Evolutionäre Algorithmen

+++ Noten EA Klausur +++

Die Noten zur Klausur vom 14.07.2017 sind jetzt im Hisqis System eingetragen. Informationen zur Klausureinsicht am 10. und 11. Oktober finden Sie hier. Die nächste Klausur zum Fach EA findet im Februar / März 2018 statt. Die Statistik zur Klausur:

Statistik 

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
  • Heiner Zille
  • Tetiana Lavynska

Vorlesungen

Die Vorlesungen finden Donnerstags 13:15 - 14:45 in Raum G29 - 307 statt. 

Vorlesungsfolien:

Aufzeichnungen

Die Aufzeichnungen können Sie hier mit dem URZ-Account herunterladen.    

Übungen

Die regelmäßige Teilnahme an einer der Übungen ist Voraussetzung für die Zulassung zur Klausur. Die Übungen finden in zwei Gruppen statt:

  • Gruppe A: Donnerstags 11:15 - 12:45 in Raum G22A - 129
  • Gruppe B: Freitags 11:15 - 12:45 in Raum G29 - K059

Die ersten Übungen finden in der Woche vom 17. bis 21. April statt.

Registrierung für die Übungen: 

Die Registrierung ist möglich vom 6. April, 18:00 Uhr bis zum 12. 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:

Alte Klausuren zur Übung:

Woche Vorlesung Gruppe A (Do) Gruppe B (Fr)

03.04.-07.04.

 
keine Übung

keine Übung

10.04.-14.04.


keine Übung

keine Übung

17.04.-21.04.


Übungsblatt 1

Übungsblatt 1

24.04-28.04.


Übungsblatt 2

Übungsblatt 2

01.05.-05.05.


Übungsblatt 3
 
Übungsblatt 3

08.05.-12.05.


Übungsblatt 4

Übungsblatt 4

15.05.-19.05.


Übungsblatt 5

Übungsblatt 5

22.05.-26.05


keine Vorlesung

keine Übung

keine Übung

29.05.-02.06.


Übungsblatt 6

Übungsblatt 6

05.06.-09.06.


keine Vorlesung

keine Übung

keine Übung

12.06.-16.06.


Übungsblatt 7

Übungsblatt 7

19.06.-23.06.


Übungsblatt 8

Übungsblatt 8

26.06.-30.06.


Übungsblatt 9

Übungsblatt 9

03.07.-07.07.


keine Vorlesung

Übungsblatt 10

Übungsblatt 10

Änderungen vorbehalten.

 

 

 

 

 

 

 

 

 

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)

 

 

 

 

 

 

 

 

 

 

 

 

 

Last Modification: 18.10.2017 - Contact Person: Webmaster