Genetische Algorithmen und Evolutionsstrategien

Übungen zu dieser Vorlesung

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.
Volker Nissen: Einführung in Evolutionäre Algorithmen Optimierung nach dem Vorbild der Evolution. Vieweg Verlag, 1997.
Karsten Weicker: Evolutionäre Algorithmen. Teubner, 2002.

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