Praktische Optimierung (komplexer Systeme)

• Stand: 13.07.2020, 14:00 Uhr  
  Moodle: Datenabfrage für Studienleistung / QSL-Umfrage (diesmal online)
  1. Zur Eintragung der Studienleistung in BOSS benötigen wir Ihre Matrikelnummer und Ihren Studiengang. Bitte die Daten möglichst schnell in der entsprechenden Moodle-Umfrage eintragen.
  2. Die Bewertung der Veranstaltung (QSL) erfolgt diesmal online in einem besonderen Verfahren. Bitte auch hier die entsprechende Umfrage im Moodle bis Sonntag 19.07. bearbeiten.
  
  
• Stand: 12.07.2020, 15:30 Uhr  
  Prüfungstermine: Die Modulprüfung ist mündlich. Zur Zulassung ist der Erwerb der Studienleistung Voraussetzung.
  Es werden drei bevorzugte Prüfungszeiträume angeboten:
  

  KW 33	10.-14.08.2020
  KW 38	14.-18.09.2020
  KW 43	19.-23.10.2020

  Von diesen Zeiträumen abweichende Prüfungstermine sind möglich; sie jedoch nicht garantiert.
  Die Vereinbarung eines Prüfungstermins erfolgt per email.
  
  
• Stand: 24.04.2020, 14:30 Uhr  
  Konsolidierte Fassung: Alle aktuell im Moodle angemeldeten Teilnehmer wurden per Moodle-Nachricht über den neuen Link zur Vorlesung informiert. Dieser Link gilt ab dem 27.04.2020 für alle Vorlesungstermine in diesem Semester. Wer sich noch nachträglich im Moodle anmeldet, muss mit dem Dozenten oder Übungsleiter per email Kontakt aufnehmen, um die Zugangsinformationen zu erhalten.
  
  
• Stand: 16.04.2020, 18:00 Uhr  
  Online-Betrieb ab 20. April 2020:
  Wegen der Corona-Pandemie ist ein Online-Betrieb notwendig. Um sich auf den Vorlesungsstream aufschalten zu können, müssen Sie sich vorher registrieren. Dies geschieht im Moodle via den Webseiten der Übung (Link s.o.). Sie erhalten dann weitere Informationen über die dort hinterlegte (unimail-) email-Adresse.
  Achtung: Eine Versendung der Zugangsinformationen erfolgt nur über ihre unimail-Adresse! Sollten Sie noch keine unimail-Adresse haben, so melden Sie sich als Gast im Moodle an und benachrichtigen Sie den Dozenten.
  

Bei der Optimierung komplexer Systeme speziell in den Ingenieurwissenschaften stellt sich meist schnell heraus, dass die Reichweite analytischer und exakter Lösungsmethoden wegen idealisierender Voraussetzungen für die Praxis zu eingeschränkt ist. Die "Praktische Optimierung" behandelt deshalb solche Lösungsansätze, die sich für praxisrelevante Problemklassen wie die nichtkonvexe Optimierung unter dem Black-Box-Szenario, die Optimierung bei Unsicherheit sowie zeitvarianter Probleme, die mehrkriterielle und schließlich die symbolische Optimierung bewährt haben. Methodisch kommen hier direkte deterministische Suchverfahren als auch etwa evolutionäre Algorithmen zum Einsatz. Besonderes Augenmerk gilt der Hybridisierung der Optimierverfahren mit statistischen Methoden: Bei zeitinvarianten Problemen werden Prognosemodelle, bei der Optimierung unter Unsicherheit statistische Testverfahren, zur Funktionsapproximation etwa Krigingverfahren oder Neuronale Netze benutzt. Weitere Themen berühren softwaretechnische Fragen zur Kopplung von Optimierverfahren und (kommerziellen) Simulatoren sowie die sinnvolle Nutzung paralleler Hardware. In den Übungen soll sich mit den Lösungsansätzen aktiv auseinandergesetzt werden, wobei existierende Schnittstellen zu Simulatoren softwaretechnisch bedient werden müssen.

Neben dem Erwerb von Einsicht in die Problematik und analytische Struktur der jeweiligen Problemklasse sollen die Studierenden methodisches Spezialwissen zur praktischen Lösung solcher Probleme erlangen. Sie sollen die praxisorientierten Lösungsansätze kennen und beherrschen sowie die Fähigkeit besitzen, selbständig praxisrelevante Probleme bearbeiten zu können. Schließlich sollen die Ergebnisse auch kritisch beurteilt werden können. Zur praktischen Umsetzung wird ausschließlich R eingesetzt (eine Einführung erfolgt im Rahmen der Übung).

Status der Vorlesung im Rahmen der MPO Informatik:

Diese Vorlesung ist ein Basismodul im Forschungsgebiet C (Intelligente Systeme).
Die Studuenleistung ist Voraussetzung zur Teilnahme an der mündlichen Modulprüfung.
Die Modulbeschreibung findet sich hier.

Studierende anderer Studiengänge können an der Modulprüfung teilnehmen, sofern Nebenfachvereinbarungen existieren.

Die Foliensätze zu den einzelnen Kapiteln sind nur per Passwort abrufbar. Das Passwort wird in der Vorlesung und Übung bekannt gegeben. Bitte beachten Sie, dass sämtliche Materialien dem Urheberschutz sowie dem Copyright unterliegen: Deshalb dürfen insbesondere Fotos und Videos nicht anderweitig öffentlich zugänglich gemacht werden! Sämtliche Materialien sind nur für den Einsatz in der Lehre vorgesehen.

1		Einleitung					Stand: 13.04.20
2		Analytische Lösungsverfahren					Stand: 20.04.20
3		Abstiegsverfahren / Direkte Suchverfahren					Stand: 27.04.20	Nachtrag
4		Vergleich von Algorithmen					Stand: 01.05.20
5		Randomisierte Verfahren					Stand: 11.05.20
6		Evolutionäre Algorithmen					Stand: 25.05.20	aktualisiert!
7		Restriktionsbehandlung					Stand: 01.06.20
8		Modelbasierte Optimierung (Teil A)					Stand: 08.06.20
		Modelbasierte Optimierung (Teil B)					Stand: 09.06.20
		Modelbasierte Optimierung (Teil C)					Stand: 09.06.20
9		Tuning					Stand: 16.06.20
10		Mehrkriterielle Optimierung (Teil A)					Stand: 21.06.20
		Mehrkriterielle Optimierung (Teil B)					Stand: 23.06.20
		Mehrkriterielle Optimierung (Teil B+)					Stand: 06.07.20
		Mehrkriterielle Optimierung (Teil C-)					Stand: 06.07.20
		Mehrkriterielle Optimierung (Teil C)					Stand: 06.07.20
		Mehrkriterielle Optimierung (Teil D)					Stand: 06.07.20
		Mehrkriterielle Optimierung (Teil E)					Stand: 06.07.20
11		Parallele Stochastische Optimierung					Stand: 12.07.20 (neu ab Folie 33)
12		Stochastische Probleme					Stand: 14.07.20
		– ENDE –