Department of Computer Science
Chair of Algorithm Engineering (Ls11)
Home Contact Deutsch English
menu
Günter Rudolph: Vorlesung POKS

Praktische Optimierung (komplexer Systeme)

Basismodul MPO (INF-MSc-231)

Sommersemester 2023

Prof. Dr. Günter Rudolph



Termin:    
Montag 12:15 - 13:45 OH14 / R 304
Dienstag 12:15 - 13:45 OH14 / R 304
Beginn: Montag, 3. April 2023




Neuigkeiten:
  • Stand: 11.07.2023, 14:15h  
    Prüfungstermine werden individuell vereinbart (email). Prinzipiell sind alle Termine möglich.
    Es gibt jedoch Ausnahmen: Keine Prüfungen im Zeitraum

    • 13. September 2023 bis 31. Oktober 2023 und
    • 01. Januar 2024 bis 31. März 2024.

    Zur Anmeldung besorgen Sie mindestens 2 Wochen vor dem vereinbarten Termin das Anmeldeformular von der zuständigen Prüfungsverwaltung.

Beschreibung:
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 die Sprache Python 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 Studienleistung ist Voraussetzung zur Teilnahme an der mündlichen Modulprüfung.
Die Modulbeschreibung findet sich hier.

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


Foliensätze:
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: 03.04.23 -- Videos Linear Jet Test und Voith
2 Analytische Lösungsverfahren   Stand: 04.04.23
3 Abstiegs- und direkte Suchverfahren   Stand: 17.04.23
4 Vergleich von Algorithmen   Stand: 18.04.23
5 Randomisierte Verfahren   Stand: 25.04.23
6 Evolutionäre Algorithmen   Stand: 16.05.23 mod: 28; neu: 29, 32
7 Restriktionsbehandlung   Stand: 23.05.23
8 Modellbasierte Optimierung (Teil A)   Stand: 03.05.23
Modellbasierte Optimierung (Teil B)   Stand: 05.06.23
Modellbasierte Optimierung (Teil C)   Stand: 06.06.23 mod: 4
Modellbasierte Optimierung (Teil D)   Stand: 12.06.23
9 Tuning   Stand: 12.06.23
10 Mehrkriterielle Optimierung (Teil A)   Stand: 18.06.23
Mehrkriterielle Optimierung (Teil B)   Stand: 26.06.23
Mehrkriterielle Optimierung (Teil C)   Stand: 04.07.23
11 Parallele Stochastische Optimierung   Stand: 10.07.23
12 Stochastische Optimierungsprobleme   Stand: 11.07.23
– ENDE –



 
Imprint
<webmaster  ls11.cs.tu-dortmund.de>
The university does not accept liability for the contents of linked external internet sites