Hochschule Darmstadt - Fb Informatik

Drucken| Layout| Design| Schriftgröße English|
Modulbeschreibung
Modul:Genetische Algorithmen

Genetic Algorithms

Belegnummern:30.2280 [PVL 30.2281; Genetic Algorithms (english) 30.2536/30.2537]
Sprache:deutsch
Zuordnung:Bachelor 2021 - Wahlpflichtkatalog I
Bachelor dual KITS 2021 - Wahlpflichtkatalog I
Bachelor dual KoSI 2021 - Wahlpflichtkatalog I
Bachelor KMI 2021 - Wahlpflichtkatalog I
Bachelor 2014 - Katalog I: Anwendungs- und systemorientierte Module
Bachelor dual KoSI 2014 - Katalog I: Anwendungs- und systemorientierte Module
Bachelor KMI 2014 - Katalog I: Anwendungs- und systemorientierte Module
Bachelor 2007 - Vertiefung AE: Application Engineering
Bachelor 2007 - Vertiefung TI: Technische Informatik
Bachelor 2007/2004/2002/99 - Wahlpflichtfächer aus dem Informatikbereich
KoSI 2007 - Vertiefung AE: Application Engineering
KoSI 2007 - Vertiefung TI: Technische Informatik
KoSI 2007/2004/2003/2002/99 - Wahlpflichtfächer aus dem Informatikbereich
Lehrform:V+P = Vorlesung+Praktikum
SWS:2+2
CP:5
Prüfung:Klausur
Anmeldung zur Prüfung:explizit und unabhängig von der Belegung
PVL (z.B. Praktikum):unbenotet (Die erfolgreiche Absolvierung der Prüfungsvorleistung besteht in der Implementation eines genetischen Algorithmus. Die genetischen Operatoren zur Mutation und Rekombination, sowie die fitness-proportionale und rangbasierte Selektion müssen dabei implementiert worden sein, und die Lauffähigkeit muss mit Hilfe von Testinstanzen nachgewiesen werden.)
Häufigkeit des Angebots:jedes Sommersemester (zuletzt im SS 2022)
Erforderliche Vorkenntnisse:Grundlegende Kenntnisse auf Bachelorniveau in Programmierung (C++ oder Java).
Lernziele:
  • Kenntnisse
    • Die Teilnehmer verstehen die Prinzipien und die Wirkungsweise von Programmierverfahren, die sich an den Begriff der Evolution aus der Biologie anlehnen.
  • Fertigkeiten
    • Im begleitenden Praktikum haben die Teilnehmer die Fähigkeit erlangt, diese Kenntnisse praktisch umzusetzen, um konkrete Probleme mit Hilfe solcher Verfahren zu lösen.
  • Kompetenzen
    • Die Teilnehmer haben anhand von Fallbeispielen gelernt, wie sich konkrete Optimierungs-, Such- und andere Probleme mit solchen Verfahren lösen lassen, und welche Schwierigkeiten im Einzelfall dabei gelöst werden müssen.
Lehrinhalte:
  • Benötigte biologische Grundlagen (Evolution, Chromosom, Genotyp, Phänotyp, etc.)
  • Der Aufbau eines genetischen Algorithmus und die grundlegenden genetischen Operatoren.
  • Abgrenzung genetischer Algorithmen zu anderen Verfahren wie etwa Hillclimbing, Simulated annealing usw.
  • Die Theorie hinter den genetischen Algorithmen (Schematheorem, impliziter Parallelismus, etc.)
  • Praktische Einsatzmöglichkeiten für genetische Algorithmen und spezialisierte genetische Operatoren.
  • Genetische Programmierung als Weiterentwicklung der genetischen Algorithmen.
Literatur:
  • M. Mitchell: An Introduction to Genetic Algorithms, MIT Press, 1996
  • Z. Michalewicz: Genetic Algorithms + Data Structures = Evolution Programs, Springer-Verlag, 3rd edition, 1999
  • D. E. Goldberg: Genetic Algorithms in Search, Optimization and Machine Learning, Addison-Wesley 1989
  • W. Banzhaf et al.: Genetic Programming, Morgan Kaufmann Publishers, 1998
  • Verschiedene Veröffentlichungen aus Fachzeitschriften.
Arbeitsformen / Hilfsmittel:Seminaristische Vorlesung
Praktikum: Teamwork in kleinen Arbeitsgruppen und Präsentation der Praktikumsergebnisse.
Vorlesungsfolien
Modulverantwortung:Alexander del Pino
Freigabe ab:WS 2021/2022
Angebot im SS 22:del Pino

[Fachbereich Informatik] [Hochschule Darmstadt]
© 2008 - 2022 FBI OBS Team. Alle Rechte vorbehalten.