Evolutionäre Algorithmen
Montag, August 30, 2010
Evolutionäre Algorithmen
Im Modul Künstliche Intelligenz, 2. Semester Master Informatik
- Biologische Evolution, Evolutionstheorie, Genotyp, Phänotyp, Evolutionsfaktoren, Bedingungen der Evolutio
- Evolution als Optimierung und Suche, Lösungsraumsuche,
- Lösungsräume: Nachbarschaft, Fitnesslandschaft, Fitnessfunktion, lokale Suche, Optima
- Deterministische Optimierung: Koordinatenverfahren, Gradientenverfahren, Simplexverfahren
- Nicht-deterministische Optimierung: Monte-Carlo-Verfahren, Simulated Annealing, Toleranzschwelle, Sintflut-Algorithmus,Evolutionäre Algorithmen, Einordnung und Vergleich der Verfahren
- Evolutionäre Algorithmen (EA) GA, GP, ES, EP
- Annahme, Heuristik des GA, einfacher genetischer Algorithmus vs. steady state, Fitnesstypen, Selektionstypen, Mehrzieloptimierung mit paretobasierter Rangselektion
- Genetische Operatoren Crossover und Mutation, Anwendbarkeit und problemspezifische Zutaten
- Genetische Programmierung (GP): S-Expression, Crossover*, Mutation (2!*)
- Vehicle routing Problem: Permutationskodierung, PMX-Crossover
- Großer Anwendungsteil, viele praktische Übungen
Abschlussarbeiten
- Modellierung und Simulation biologischer Bewegungsapparate zur Veranschaulichung von Evolutionseffekten in einem künstlichen Ökosystem mit Unreal Engine, A.C. Fodi, Masterarbeit, 2022
- Konzeption und Umsetzung eines Neuroevolutionären Algorithmus zur Steuerung eines Fahrzeugs in Unity, M. Alesali, Masterarbeit, 2021
- Anwendung interaktiver evolutionärer Algorithmen zur Erzeugung von Schlagzeugrhythmen, M. Kaulmann, Masterarbeit, 2020
- Evolution regulärer Ausdrücke zur Segmentierung digitalisierter Keilschrifttafeln in 3D, B. Gumz, Masterarbeit, 2014
- Automatisierte Merkmalsextraktion und Klassifizierung von Vogelstimmen mittels genetischer Programmierung, J. Scheer, Masterarbeit, 2013
- Interaktive Evolution zur Assistenz bei der Einrichtungsplanung, S. Dreyer, Masterarbeit, 2012
- Genetische Programmierung zur Merkmalsdefinition bei der Klassifikation von Wertereihen, Johannes Scheer, Studienarbeit Master Informatik, 2012
- Benutzerschnittstellen für die interaktive Evolution, S. Dreyer, Studienarbeit Master Informatik, 2011
- Review und Versuch zu „Distilling Free-form Natural Laws from Experimental Data“, C. Freye, Hausarbeit im Mastermodul KI, 2009
- GeneFlower - Evolution sensomotorischer Kopplungen, S. Dreyer, Hausarbeit im Mastermodul KI, 2010
- Anpassung eines Active Appearance Model an ein menschliches Gesicht durch einen evolutionären Algorithmus, S. Moritz, Hausarbeit im Mastermodul KI, 2009
- Entwicklung einer Software zur optimierten Auslagerung in einem Medikamentenlager, R. Peschmann, Diplomarbeit, 2009
- Entwicklung einer Applikation zur Layoutoptimierung von Webseiten mit evolutionären Algorithmen und interaktiver Fitness, R. Fischer, Bachelorarbeit, FH Brandenburg, 2008
- Automatische Generierung von Bewegungsmustern für reale Roboter mit Evolutionären Algorithmen, M. Hüllein, Diplomarbeit, 2006
- Evolution einer 3D-Beschreibung aus Bildern mit Hilfe von Lindenmayer-Systemen (L-Systemen), J. Derer, Diplomarbeit, 2004
- Einsatz Evolutionärer Algorithmen zur Optimierung der Tourenplanung eines Wachschutzunternehmens, Tino Schonert, Diplomarbeit, 2003
KI-Projekte:
- WS 2009/2010: GeneFlower - Evolution sensomotorischer Kopplungen
- WS 2004/2005: Maschinelles Lernen am Laufroboter ELFE - KI-Projekt WS 2004/2005
- WS 2001/2002: Genetisches Programmieren von Spielstrategien
- WS 1999/2000: Genetisches Programmieren einfacher Roboterfähigkeiten (Paper und Vortrag)
Genetisches Programmieren
-
Applet
zum GP Schätzung einer unbekannten Funktion (function regression,
ETH Zürich, local mirror)
- Falls das Applet nicht läuft, hilft für Windows und Firefox die Anleitung
- Testfunktionen für das GP-Applet (local)
-
Sony AIBO: Autonomous
Evolution of Gaits with the Sony Quadruped Robot.
- Lindenmayer Grammatiken
- Eureqa - Nutzerfreundliches GP-Tool mit Optimierung von Fehler und Komplexität (dazu Paper von Schmidt M., Lipson H. (2009) Distilling Free-Form Natural Laws from Experimental Data)
Genetische Algorithmen
-
Berechenbare Fitness
- Applet zu GA von Dr. M. Syrjakov
- Evolution statischer Strukturen, Brandeis University (Massachusetts), WIE funktionert es (pdf 1.6MB, Hornby, Gregory. S. and Pollack, Jordan. B. (2001))
-
Konstruktionsunterstützung
LEGO-CAD, Brandeis University (Massachusetts), JAVA-Client-Server-Applikation - Evolving 2D/3D Creatures, Brandeis University (Massachusetts)
-
Evolvable Hardware - GOLEM-Project
an der Brandeis University (Massachusetts)
-
Framsticks -
three-dimensional life simulation project (Win), Poznan University
of Technology
- Karl Sims Virtual Creatures (Moving Image Archive)
-
Interaktive Fitness
- Imogenes (Autor Harley Davis, Win), local mirror
- Tron (Applet, Brandeis Uni)
- Bugs (im CMU AI Repository, X11)
-
Implizite Fitness
- Genpool, DarwinPond (Win)
- Aeon - Positive feedback loop of increasing complexity between two populations (JAVA-Applikation)
-
Online-Vorlesung
von D.E. Goldberg, auf Bild "Course Preview" klicken, Dauer ca.
50min (best/only viewed with IE)
Goldberg ist der Begründer der fundamentalen "Building Block Hypothese" für GA - der Antwort auf die Frage: "Warum funktionieren GAs?" - CMU Artificial Intelligence Repository
- GP-Quick - handlicher GP-Kernel in C++
Categories: Maschinelles Lernen
