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
 

Verbundprojekt: Erkennung, Nachweis und Bekämpfung verdeckter Propaganda-Angriffe über neue Online-Medien - Teilvorhaben: Koordination von Simulation, Erkennung und Abwehr von verdeckten Propagandaangriffen

Das Projekt adressiert als interdisziplinärer Ansatz die Identifikation und den Nachweis von (semi-)automatisch erzeugter verdeckter Propaganda in Online-Medien (z.B. sozialen Netzwerken).


Projektstatus laufend
Projektzeitraum 01.06.2016- 31.05.2019
Förderer Bundesministerium für Bildung und Forschung
Projektnummer 16KIS0495K
Schlüsselwörter Wirtschaftsinformatik; Netzwerkforschung; Social Media; Propagena; Meinungsbildung; Internet
 

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
 

Architekturen für mehrkriterielle evolutionäre Algorithmen zur Unterstützung der Integration von Expertenwissen

Das Projekt strebt eine Analyse existierender algorithmischer Architekturen und die Weiter- und Neuentwicklung von Algorithmen an, die einem Anwender die Integration vorhandenen Wissens oder gut begründeter Regeln in das Verfahren ermöglichen.


Projektstatus laufend
Projektzeitraum seit 01.09.2014
Schlüsselwörter Informatik, Algorithmenforschung, Anwendung, Mehrzieloptimierung, Computational Intelligence

abgeschlossen

 

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
 

Strukturoptimierung von Energieversorgungssystemen - am Beispiel von Industrieparks

Ziel des Forschungsvorhabens war es, eine Methodik zur Strukturoptimierung zu entwickeln, die es dem Planer ermöglicht, ein für den jeweiligen Anwendungsfall möglichst optimales Energieversorgungskonzept zu entwickeln.


Projektstatus abgeschlossen
Projektzeitraum 01.06.2010- 31.08.2013
Webseite http://www.ltt.rwth-aachen.de/de/forschung/energiesystemtechnik/energiesystemtechnik/project/Strukturoptimierung_von_Energiev/
Schlüsselwörter Optimierung; Energieversorgungssysteme; MINLP; Mehrkriterielle Optimierung