• 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

     

    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 laufend
    Projektzeitraum 01.01.2017- 31.12.2018
    Förderer Deutscher Akademischer Austausch Dienst
    Projektnummer 57314626
    Schlüsselwörter Algorithmenselektion; Inexakte Solver; Traveling-Salesman-Problem; Statistik; Wirtschaftsinformatik; Kanada

     

  • abgeschlossen

    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

     

    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 DFG - Internationale wissenschaftliche Veranstaltungen
    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 Deutscher Akademischer Austausch Dienst
    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 - Internationale Kooperationsanbahnung
    Projektnummer TR 891/7-1
    Schlüsselwörter Multikriterielle Optimierung; Evolutionäre Algorithmen; Algorithmenselektion