• abgeschlossen

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 01.10.2020- 31.12.2021
    Webseite http://algorithmization.org
    Förderer Uni Münster-internal funding - Topical Programs
    Schlüsselwörter Algorithmisierung; Künstliche Intelligenz; Gesellschaft; (Soziale) Medien; Data Science; Data Analytics

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 16.02.2019- 03.03.2019
    Webseite http://imappnio.dcs.aber.ac.uk/index.php
    Schlüsselwörter Evolutionäre Algorithmen; Diversitätsoptimierung; mehrkriterielle Optimierung; Traveling Salesperson Problem

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 01.01.2017- 31.12.2018
    Förderer German Academic Exchange Service
    Projektnummer 57314626
    Schlüsselwörter Algorithmenselektion; Inexakte Solver; Traveling-Salesman-Problem; Statistik; Wirtschaftsinformatik; Kanada

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 19.03.2017- 22.03.2017
    Webseite http://www.emo2017.org
    Förderer Participation / conference fees
    Projektnummer TR 891/9-1
    Schlüsselwörter Evolutionäre Mehrkriterielle Optimierung

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 01.01.2014- 31.12.2015
    Förderer German Academic Exchange Service
    Projektnummer 57065955
    Schlüsselwörter Hybridisierung; Metaheuristiken mit lokalen Suchstrategien

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 27.04.2015- 31.08.2015
    Webseite https://github.com/berndbischl/mlr/wiki/GSOC-2015:-Improving-mlr's-hyperparameter-and-tuning-system-for-efficient-model-selection
    Schlüsselwörter R; maschinelles Lernen; Algorithmenkonfiguration; Parameter-Tuning; Optimierung

     

    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.


    Projektstatus abgeschlossen
    Projektzeitraum 01.01.2014- 31.12.2014
    Förderer DFG - Initiation of International Collaboration
    Projektnummer TR 891/7-1
    Schlüsselwörter Multikriterielle Optimierung; Evolutionäre Algorithmen; Algorithmenselektion

     

  • laufend

    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.


    Projektstatus laufend
    Projektzeitraum 01.02.2013- 01.01.2030
    Webseite http://www.coseal.net
    Schlüsselwörter Algorithmenselektion; Konfiguration; Maschinelles 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.


    Projektstatus laufend
    Projektzeitraum seit 01.12.2019
    Webseite https://sites.google.com/view/benchmarking-network
    Schlüsselwörter Benchmarking; Optimierung; Machine Learning; Forschungsnetzwerk