COSEAL - Configuration and Selection of Algorithms

Die COSEAL-Forschergruppe ist ein internationales Konsortium von Forschern (u.a. aus Belgien, Kanada, Irland, Dänemark und Deutschland) und beschäftigt sich mit aktuellen Fragestellungen in den Bereichen automatisierte Algorithmenselektion, Algorithmenkonfiguration und Maschinellem Lernen.

Benchmarking Network

Das Benchmarking Network ist eine Initiative, die im Sommer 2019 ins Leben gerufen wurde, mit der Idee, Aktivitäten zum Benchmarking iterativer Optimierungsheuristiken wie lokaler Suchalgorithmen, Methoden der Schwarmintelligenz, modellbasierte Heuristiken, usw. zu konsolidieren und zu stimulieren - kurz gesagt, alle Algorithmen, die durch eine sequentielle Bewertung von Lösungskandidaten funktionieren.

Algorithmisierung und gesellschaftliche Interaktion

Was macht es eigentlich mit uns und der Gesellschaft, wenn wir bei einem Unternehmen anrufen und dort nur mit künstlichen Ansprechpartnern und nicht mehr mit Menschen sprechen können? Führt die Tatsache, dass wir über soziale Medien verstärkt auf uns zugeschnittene Informationen bekommen dazu, dass jeder nur noch in seiner eigenen Blase lebt? Diese gesellschaftlich wie politisch hoch relevanten Fragestellungen werden im Themenfeld „Algorithmisierung und gesellschaftliche Interaktion“ analysiert. Wirtschaftsinformatiker*innen, Wirtschafts- und Sozialwissenschaftler*innen und Jurist*innen gehen darin diesen und damit verbundenen Fragen nach. Ziel ist es dabei, herauszufinden, wie einerseits Algorithmen zur Steuerung gesellschaftlicher Interaktion eingesetzt werden (können) und wie andererseits die Gesellschaft, sowohl auf der Ebene der Bevölkerung als auch der politischen und sozialen Entscheidungsträger, auf diese zunehmende algorithmische Steuerung reagiert.

Verwendung evolutionärer Algorithmen zur Diversitätsoptimierung

This project is one of the STSMs (Short Term Scientific Missions) of the COST (European Cooperation in Science and Technology) Action CA15140 on "Improving Applicability of Nature-Inspired Optimisation by Joining Theory and Practice (ImAppNIO)", which aims at bridging the gap between theory and practice of nature inspired optimization algorithms.

Instanz-Basierte Algorithmenselektion inexakter State-Of-The-Art Solver für Traveling-Salesman-Probleme

Das Traveling-Salesman-Problem (TSP) ist eines der prominentesten und bestuntersuchten NP-harten Optimierungsprobleme. Ausgehend von n Städten und paarweisen Distanzen (Kosten) soll eine Rundreise mit minimalen Gesamtkosten gefunden werden, sodass jede Stadt genau einmal besucht und am Ende wieder zum Start zurückgelangt wird. Effiziente inexakte Solver gewinnen im Vergleich zu exakten Solvern, für die eine Garantie der optimalen Lösung getroffen werden kann, immer mehr an Bedeutung, da sehr gute bzw. optimale Lösungen i.A., vor allem mit steigender Instanzgröße, schneller gefunden werden können. Eine Verbesserung gegenüber des derzeitigen inexakten State-Of-The-Art-Algorithmus LKH würde aufgrund der hohen Praxisrelevanz des TSP von großer Bedeutung sein. Dies soll hier umgesetzt werden mit Hilfe des vielversprechenden Konzeptes der instanzbasierten Algorithmenselektion.

9. Internationale Konferenz zur Mehrkriteriellen Evolutionären Optimierung, Münster 19. - 22.03.2017

EMO 2017 is the 9th International Conference on Evolutionary Multi- Criterion Optimization, aiming to continue the success of previous EMO conferences. We will bring together both the EMO and the multiple criteria decision making (MCDM) communities and moreover focus on solving real-world problems in government, business and industry. The classical EMO format will be supplemented by an EMO competition.

DAAD Austauschprogramm: PPP Mexiko: "Hybridisierung von Metaheuristiken mit lokalen Suchstrategien"

Das Projekt realisiert den internationalen Austausch von Forschungspartnern aus Deutschland und Mexiko im Kontext der Hybridisierung mehrkriterieller evolutionärer Algorithmen, insbesondere zur Thematik der Einbindung lokaler Suchstrategien in state-of-the-art Metaheuristiken wie SMS-EMOA und dP-EMOA.

Google Summer of Code 2015: Improving mlr's hyperparameter and tuning system for efficient model selection

Dieses "Google Summer of Code 2015"-Projekt zielt auf die Verbesserung der Hyperparametereinstellungen im R-Paket mlr unter Verwendung von a-priori Wissen. Das Hauptziel ist es, die Konfiguration und das Tuning der Hyperparameter flexibler, effizienter und komfortabler zu gestalten.

Addressing Current Challenges in Evolutionary Multi-Objective Optimization: Indicator-based Selection, Convergence and Applicability

Dieses Projekt zur Initiierung und Intensivierung bilateraler Kooperationen setzt es sich zum Ziel, Forscher aus Brasilien und Deutschland unter Fragestellungen aktueller Forschungsthemen im Bereich der mehrkriteriellen evolutionären Optimierung zusammen zu bringen.