P | 03-IBPJ-ELO4F
Optimierung ist ein vielseitiges und weites Gebiet. Je nach Anwendungssituation gibt es unterschiedliche Herausforderungen. In diesem Projekt wollen wir uns mit der Herausforderung von dynamischen Situationen beschäftigen. Das bedeutet, dass sich sowohl die Parameter als auch das Ziel der Optimierung selbst zur Laufzeit ändern können. Das wird auch als „endless optimization“ bezeichnet, was diesem Projekt den Namen gibt.
Dynamische Optimierungssituationen treten in vielen Anwendungsgebieten auf: Klassische Optimierungsfragen wie Transportroutenplanung, energieeffziente Architektur oder auch kosteneffiziente Prozessplanung sehen sich immer wieder mit externen oder internen Änderungen konfrontiert. Externe Änderung können beispielsweise Schwankungen der Energiepreise sein, wie wir sie im letzten Jahr erlebt haben, Lieferkettenstörungen oder Wetterkapriolen (für die Transportroutenplanung).
Eine weiteres Anwendungsgebiet sind Spiele. Hier geht es oft um die Optimierung der eigenen Strategie, sodass diese auch unterschiedliche Strategien des Gegenübers in Betracht zieht und sich auf Änderungen in der Spielumgebung oder Zufallseinflüsse wie zum Beispiel einen Würfelwurf einstellen muss. Im Computerspiel Anno sind es beispielsweise die unbekannte Landschaft und die Aktionen der neutralen Spieler, bei Siedler von Catan die zu ziehenden Fortschrittskarten und verteilten Rohstoffwerte. Auch Minecraft beinhaltet viele sich ändernde Faktoren (nicht zuletzt das eigene Spielziel), sodass eine erfolgreiche Spielstrategie sich ständig adaptieren muss.
In ElO4Future wollen wir Algorithmen untersuchen, die in solch dynamischen Situationen flexibel und effektiv innerhalb des Optimierungsproblems reagieren können. Dafür beschäftigen wir uns sowohl mit klassischen Optimierungsverfahren, als auch mit heuristischen Verfahren, die von der Natur inspiriert sind. Ein Vertreter dieser Klasse sind evolutionäre Algorithmen. Als nächste Stufe betrachten wir moderne Verfahren aus dem Gebiet der künstlichen Intelligenz, um auch mit den neu erhaltenen Daten aus der sich ändernden Umgebung umgehen zu können.
In diesem Themenkomplex ergeben sich die folgenden Fragen
- Welche Optimierungsverfahren können mit der Herausforderung einer dynamischen Umwelt umgehen (endless optimization)?
- Wie können wir diese Optimierungsverfahren sinnvoll und vergleichbar evaluieren?
- Was gehen wir mit Optimierungsfunktionen um, die nur als gelernte Funktion existieren (machine learning)?
- Wie kann der Algorithmus dazu gebracht werden, immer komplexere Lösungen zu konstruieren, ohne in einem Optimum steckenzubleiben (open-endedness)?
Projektziele
Im Projekt ElO4Future wollen wir uns mit der Herausforderung von endloser Optimierung auseinandersetzen. Dafür wollen wir Optimierungsstrategien entwickeln und untersuchen, die in der Lage sind, sich der ändernden Umgebung anzupassen.
Wir entwickeln gemeinsam den Prototypen eines Frameworks, das leicht zugänglich ist und unterschiedliche Optimierungsalgorithmen dahingehend testen kann, ob sie die oben genannten Ziele erreichen. Mithilfe dieses Frameworks können dann zum Beispiel Schnittstellen der oben genannten Spiele angesprochen werden, um die optimierten Strategien zu nutzen und zu visualisieren.
Voraussetzungen
Wenn Du Lust hast, Dich mit einer interessanten, hochaktuellen Thematik auseinander zu setzen, schon immer etwas über heuristische oder selbstgesteuerte Optimierung erfahren wolltest, oder automatisiert eine Farm in Minecraft oder eine Strategie in Siedler optimieren möchtest, ist ElO4Future das Bachelorprojekt für Dich. Das Projekt hat Aufgaben und Fragestellungen für unterschiedliche Interessensgebiete. Ob Du Deinen Fokus eher auf die Entwicklung eines Prototypens legen willst, oder Dich mit den unterschiedlichen Eigenschaften der Optimierungsverfahren auseinandersetzen möchtest, ob Dich die Formalisierung interessiert oder Du gerne deine Kreativität in der Visualisierung ausleben möchtest – all dies ist in ElO4Future möglich.
Das Projekt ist für Studierende aus den Bachelorstudiengängen Informatik, Systems Engineering, Digitale Medien und Wirtschaftsinformatik geeignet, aber auch für andere Studierende offen. Eine Weiterführung als Masterprojekt ist geplant. Das Projekt bereitet auf die Masterprofile SQ und AI vor, in Teilen auch DMI und VMC. Das Projekt wird primär auf Deutsch durchgeführt.
Veranstalter:
Prof. Dr. Rolf Drechsler
Christopher Metz
Christina Sophie Viola Plump
Ort & Zeit:wöchentlich Fr 10:00 - 12:00 MZH 1450 Projekt-Plenum
Studierende melden sich in Stud.IP an und finden dort die Lernmaterialien zu den Veranstaltungen.
