Genetische Algorithmen mit mehreren Zielfunktionen

Referierende:

Dr. Ralf Schlatterbeck (Open Source Consulting)

Termin: Sonntag, 13:00 - Raum V5 - Dauer 60 Min.

Genetische Algorithmen sind von der Natur inspirierte Such-Algorithmen, mit welchen man schwierige multidimensionale Probleme lösen kann. „Klassische“ Algorithmen haben nur eine Zielfunktion, die sogenannte Fitness-Funktion. Dies kann man erweitern um *in einem Optimierungslauf* mehrere Zielfunktionen zu optimieren. Zusätzlich können Bedingungen für
die Suche angegeben werden.

Seit dem Vortrag im letzten Jahr wurde PGApack [0] (und der zugehörige Python-Wrapper PGApy [1]) um die Behandlung von Problemen mit mehreren Zielfunktionen erweitert. Dabei kommt der „Non-Dominated Sorting Genetic Algorithm (NSGA-II)“ zum Einsatz. Zielfunktionen können Bedingungen/Einschränkungen des Lösungsraums definieren (im Englischen
Constraints) und/oder mehrere Zielfunktionen vorgeben.

Anhand von Beispielen aus der Technik (Übersetzungsverhältnis von einem Zahnrad-Getriebe, Antennen-Simulation [3]) wird gezeigt, wie sich die neuen Features von PGApack/PGApy in der Praxis einsetzen lassen. Alle verwendeten Software-Pakete sind Open Source.

[0] https://github.com/schlatterbeck/pgapack
[1] https://github.com/schlatterbeck/pgapy
[2] Kalyanmoy Deb, Amrit Pratap, Sameer Agarwal, and T. Meyarivan.
A fast and elitist multiobjective genetic algorithm: NSGA-II.
IEEE Transactions on Evolutionary Computation, 6(2):182–197, April 2002.
[3] https://github.com/schlatterbeck/antenna-optimizer

Erwünschte Vorkenntnisse: Interesse an technischen Problemen

Material zum Beitrag: Folien (508 KiB)

Cloud-Pad für Publikumsinteraktion: Pad

Video-Aufzeichnung:

Creative Commons Lizenzvertrag Download MP4 (280 MiB)