University of Tübingen Homepage Lehrstuhl Rechnerarchitektur, Prof Dr. Zell
print version HomeComputer Architecture Teaching Moderne heuristische Optimierungsverfahren
 
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
 
 

Moderne heuristische Optimierungsverfahren

Dozent Dr. Peter Merz
Sprechstunde nach der Vorlesung vor Ort
Zeit entfällt (s.u.)
Umfang 2
Beginn

Die Vorlesung wird in Tübingen im SS 2003 nicht mehr angeboten, weil Dr. Peter Merz einen Ruf auf eine Juniorprofessur an der Universität Kaiserslautern zum 1.6.2003 angenommen hat. Prüfungen über den Inhalt der Vorlesung sind weiterhin möglich. A.Z.

Ort Sand 1, Raum 301
Turnus unregelmäßig
Prüfungsfach Praktische oder Theoret. Informatik (Bioinformatik)

Beschreibung:
Viele Optimierungsprobleme können in der Praxis nicht mit exakten mathematischen Verfahren gelöst werden. Beispiele finden sich u.A. im Operations Research, in der Bioinformatik und in den Ingenieurswissenschaften. Um dennoch Lösungen für diese Probleme bereitstellen zu können, bedient man sich heuristischer Optimierungsverfahren.

Neben klassischen Heuristiken, wie lokale Suche, Simulated Annealing und Tabu Search, sind neue (Meta-)Heuristiken, die auf der Simulation natürlicher bzw. biologischer Prozesse beruhen, Schwerpunkt der Vorlesung. Es werden u.A. Ameisenkolonien, Partikel-Schwärme, differentielle Evolution, Coevolution und memetische Algorithmen vorgestellt.

Der Stand der Forschung wird am Beispiel des Traveling Salesman Problems und anderen Problemen aus Operations Research, Bioinformatik und Bildverarbeitung diskutiert.

Unterlagen zur Vorlesung:
Folien zur 1. Vorlesung: Optimierungsprobleme pdf-Datei, Handout: pdf-Datei
Folien zur 2. Vorlesung: Greedy-Heuristiken und lokale Suche pdf-Datei, Handout: pdf-Datei
Folien zur 3. Vorlesung: Simulated Annealing und Tabu Search pdf-Datei, Handout: pdf-Datei
Folien zur 4. Vorlesung: Fitnesslandschaften pdf-Datei, Handout: pdf-Datei
Folien zur 5. Vorlesung: Evolutionäre Algorithmen pdf-Datei, Handout: pdf-Datei
Folien zur 6. Vorlesung: Memetische Algorithmen pdf-Datei, Handout: pdf-Datei
Folien zur 7. Vorlesung: DE, PSO, BSC und PBIL pdf-Datei, Handout: pdf-Datei
Folien zur 8. Vorlesung: Ameisenkolonien pdf-Datei, Handout: pdf-Datei
Folien zur 9. Vorlesung: Iterierte lokale Suche und Scatter Search pdf-Datei, Handout: pdf-Datei
Folien zur 10. und 11. Vorlesung: Clustering pdf-Datei, Handout: pdf-Datei
Alle Folien zur Vorlesung pdf-Datei
Literaturliste zur Vorlesung pdf-Datei
 

Voraussetzungen:
Vordiplom

Literatur:
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.


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