University of Tübingen Homepage Lehrstuhl Rechnerarchitektur, Prof Dr. Zell
print version HomeComputer Architecture Teaching Genetische Algorithmen und Evolutionsstrategien
 
About Our Department
People
Research Projects
Software
Publications
Teaching
Genetische Algorithmen und Evolutionsstrategien
Moderne heuristische Optimierungsverfahren
Neuronale Netze
Robotik II
Prakt.: Rechnergestützte Wirkstoffsuche
Sem.: Robotvision
Prosem.: Algorithmen zum Wirkstoffdesign
Prosem.: Multimedia-Sprachen und -Standarts im Internet
Prosem.: Mobile Roboter
Bioinformatics
Diploma Thesis
Vacancies
Address/Directions
External Links
Internal Pages
 
Contents
Search
 
Computer Science Dept.
University of Tübingen
 
 

Genetische Algorithmen und Evolutionsstrategien

Dozent Prof. Dr. A. Zell, Übungen: A. Treptow, F. Streichert
Sprechstundenach der Vorlesung vor Ort und n.V.
Zeit Di 15:15-17:00
Umfang2+1
Beginn Di., 29.04.2003
Ort Sand 6/7, Großer Hörsaal
Turnusjährlich
PrüfungsfachPraktische oder Technische Informatik

Übungen zu dieser Vorlesung

On-Line Skriptum zu dieser Vorlesung (Im Ramen des Projektes "BioInform@tik"). Es wird ein Passwort benötigt. Besucher der Vorlesung erfahren Details dazu am ersten Termin.

Beschreibung:
In der Vorlesung werden nach einer kurzen Einführung in die biologischen Grundlagen die wichtigsten Evolutionsalgorithmen und ihre Theorie vorgestellt: Genetische Algorithmen, Evolutionsstrategien, Evolutionäres Programmieren, Classifier-Systeme, andere stochastische Optimierungsverfahren (Simulated Annealing, Sintflut-Alg., Threshold Accepting). Gegen Ende der Vorlesung werden Implementierungen der o.g. Algorithmen auf Parallelrechnern und Anwendungen vorgestellt.
In der Übung werden die in der Vorlesung erworbenen theoretischen Kenntnisse durch Lösung praktischer Aufgaben vertieft, dabei wird eine eigene kleine Klassenbibliothek für Evolutionäre Algorithmen in Java entwickelt und das Software-Paket Java-EvA verwendet.

Voraussetzungen:
Java-Programmierkenntnisse erwünscht

Literatur:
Thomas Bäck: Evolutionary Algorithms in Theory and Practice. Oxford Academic Press, 1996.
David E. Goldberg: Genetic Algorithms in Search, Optimization and Machine Learning. Addison Wesley, 1989.
Ingo Rechenberg: Evolutionsstrategie 94. Frommann-Holzboog-Verlag, 1994.
Hans-Paul Schwefel: Evolution and Optimum Seeking. Wiley Interscience, 1995.

Bemerkungen:
Es wird ein überarbeitetes Skriptum der Vorlesung geben. Im Rahmen des Teilprojektes "BioInform@tik" wird parallel zur gedrucken Ausgabe eine interative On-Line Version des Skiptums erscheinen. Zur Benutzung ist ein Zugangscode erforderlich, der den teilnehmenden Studenten in der Vorlesung mitgeteilt wird.

Die Vorlesung wird empfohlen als Grundlage für Studien- und Diplomarbeiten im Bereich Evolutionäre Algorithmen.


Last changes: 19.03.2018, 18:46 CET. RA-Webmaster.
http://www.ra.cs.uni-tuebingen.de/lehre/ss03/ga_es.html
© 2003 University of Tübingen