Optimierung unter Nebenbedingungen mit Computational Intelligence

Viele reale Optimierungsprobleme sind mit Einschränkungen verbunden, die sich aus begrenzten Ressourcen, Kapazitätsgrenzen oder physischen Abhängigkeiten ergeben. Solche Nebenbedingungen engen den Suchraum ein und können die Struktur des Optimierungsproblems beeinflussen. Für verschiedene Anwendungsgebiete existieren bereits kommerzielle Lösungsverfahren, aber gerade für komplexe Problemstellungen ohne konkrete mathematische Formulierung sind individuelle Betrachtungen notwendig. Optimierungsverfahren aus dem Bereich des Evolutionary Computation bieten in diesem Zusammenhang eine hohe Anpassungsfähigkeit und exzellente Lösungsfähigkeiten.

Im Bereich der Evolutionary Computation existieren verschiedene Ansätze, um Optimierungsprobleme mit Nebenbedingungen effizient zu lösen. Dies reicht von simplen Straffunktionen bis hin zu algorithmischen Techniken, welche die Zulässigkeit der Lösungen in einer Region garantieren oder die Eigenschaften des Suchraums explizit berücksichtigen.

Der Kurs konzentriert sich auf moderne Evolutionsstrategien (ES) für kontinuierliche, beschränkte Optimierungsprobleme. Für diese Problemstellungen haben sich Varianten der Matrix Adaptation Evolution Strategy (MA-ES) auf mehreren Benchmarks im Rahmen internationaler Konferenzen (IEEE CEC und der ACM GECCO) und im Kontext von diversen Anwendungsproblemen (Portfolio-Optimierung, Ausgleichsrechnung, Designoptimierung, oder Produktionsplanung) bewährt. Nach einer allgemeinen Einführung zu ES und ihren Varianten, wird der Fokus auf die die Eignung von ES in eingeschränkten Umgebungen gelegt. Zusätzlich werden Benchmark-Frameworks für akademische und angewandte Problemstellungen vorgestellt und den Teilnehmenden die Möglichkeit gegeben diese innerhalb einer interaktiven Lernumgebung zu testen.

Der Kurs richtet sich gleichermaßen an Forscher und Praktiker, die sich mit den Mechanismen von ES zur Behandlung von Nebenbedingungen vertraut machen wollen und nach potenziell geeigneten Algorithmen für entsprechende Problemstellungen suchen.