EVOLIVO
EVOlutionary Learning by Intelligent Variation and choice of suitable Operator sets
EVOLIVO - lautet der Name dieses Projekts, das unsere Forschung im Bereich Evolutionärer Algorithmen und Programme beschreibt. Dazu gehören die Probleme der Analyse, der Verbesserung und Online-Adaption von existierenden Selektions- und Rekombinationsverfahren sowie die Entwicklung problemspezifischer bzw. bereichsspezifischer Operatormengen und deren Anwendung auf Probleme von technischem Interesse, insbesondere auf dem Gebiet der automatischen Systemsynthese.
Aktuelle Forschungsarbeiten beschäftigen sich mit multikriteriellen Optimierungsstrategien für unscharfe Zielgrößen. Hierbei wird davon ausgegangen, dass die Zielgrößen für eine gefundene Lösung nicht exakt bekannt, sondern z. B. durch ein Intervall gegeben sind. Das Intervall beschreibt hierbei den minimalen bzw. maximalen Wert, den diese Zielgröße annehmen kann. Ein essentieller Begriff im Zusammenhang mit der multikriteriellen Optimierung ist die so genannte Dominanz, die aussagt, dass eine Lösung besser als eine andere Lösung ist. Im Fall von unscharfen Zielgrößen ist diese Dominanz nun aber nicht mehr definiert, was den Einsatz von multikriteriellen Optimierungsverfahren im Umfeld von unscharfen Zielgrößen einzuschränken scheint. Innerhalb des Projektes EVOLIVO gelang nun jedoch die Verallgemeinerung dieser Optimierungsverfahren durch die Definition von „Dominanzwahrscheinlichkeiten“, die den unscharfen Zielgrößen Rechnung tragen. Diese Ergebnisse gehen weit über das Einsatzgebiet des Hardware-Software-Co-Designs hinaus.
Im letzten Jahr konnten diese multikriteriellen Optimierungsstrategien auf die automatische Entwurfsraumexploration erfolgreich angewendet werden. Hierbei kam die so genannte „Pareto-Front-Arithmetik“ zur schnellen Entwurfsraumexploration zum Einsatz. Die Idee hierbei war, dass Optimierungsprobleme im Allgemeinen hierarchischer Struktur sind, d. h. das gesamte Optimierungsproblem lässt sich in Teilprobleme zerlegen. Bei der Kombination der gefundenen Teilergebnisse ergeben sich nun jedoch Probleme derart, dass das globale Optimum nicht aus den Optima der Teilergebnisse bestehen muss. Dies gilt nur unter der Bedingung, dass alle Zielgrößen monoton sind. Der Beitrag dieses Projektes bestand nun darin, dass gezeigt werden konnte, dass sich die Teilergebnisse sehr wohl kombinieren ließen, wobei das Ergebnis unscharfe Zielgrößen für das gesamte Optimierungsproblem darstellt. Mit Hilfe der oben beschriebenen Dominanzwahrscheinlichkeit gelang es nun, durch die Zerlegung des Problems das Gesamtproblem zu verkleinern und schnell eine gute Approximation der Gesamtlösung zu konstruieren.
Zukünftige Arbeiten beschäftigen sich mit der Integration von populationsbasierten Optimierungsverfahren in dynamischen Systemen. Untersucht werden soll hierbei die Einsatzfähigkeit dieser Verfahren zur Online-Optimierung. Das Einsatzgebiet dieser neuen Verfahren stellen vernetzte eingebettete Systeme dar. Neben Evolutionären Algorithmen sollen auch weiterhin neuere populationsbasierte Optimierungsstrategien, wie „Ant-Colony-Optimization“ und „Particle-Swarm-Optimization“, untersucht werden.
Publikationen
- Helwig S., Haubelt C., Teich J.:
Modeling and analysis of indirect communication in Particle Swarm Optimization
2005 IEEE Congress on Evolutionary Computation, IEEE CEC 2005 (Edinburgh)
In: Proceedings of the 2005 IEEE Congress on Evolutionary Computation 2005
URL: https://www.scopus.com/inward/record.url?partnerID=HzOxMe3b&scp=27144530244&origin=inward
BibTeX: Download - Mostaghim S., Teich J.:
Quad-trees: A Data structure for storing Pareto-sets in Multi-objective Evolutionary Algorithms with Elitism
In: Ajith Abraham and Lakhmi Jain and Robert Goldberg (Hrsg.): Evolutionary Multiobjective Optimization, London: Springer, 2005, S. 81-104 (Advanced Information and Knowledge Processing)
BibTeX: Download - Bambha N., Bhattacharyya SS., Teich J., Zitzler E.:
Systematic Integration of Parameterized Local Search Techniques in Evolutionary Algorithms
Genetic and Evolutionary Computation Conference (Seattle, Washington, 26. Juni 2004 - 30. Juni 2004)
In: Proceedings of the Genetic and Evolutionary Computation Conference, Berlin, Heidelberg: 2004
BibTeX: Download - Mostaghim S., Teich J.:
Covering Pareto-optimal fronts by subswarms in multi-objective particle swarm optimization
Proceedings of the 2004 Congress on Evolutionary Computation, CEC2004 (Portland, OR, 20. Juni 2004 - 23. Juni 2004)
In: Proceedings of the Congress on Evolutionary Computation (CEC '04) 2004
URL: https://www.scopus.com/inward/record.url?partnerID=HzOxMe3b&scp=4344649636&origin=inward
BibTeX: Download - Frauenheim T., Hoffmann M., König P., Mostaghim S., Teich J.:
Molecular Force Field Parameterization using Multi-Objective Evolutionary Algorithms
Congress on Evolutionary Computation (CEC '04) (Portland, 20. Juni 2004 - 23. Juni 2004)
In: Proceedings of the Congress on Evolutionary Computation (CEC '04) 2004
BibTeX: Download - Mostaghim S., Teich J.:
The role of e-dominance in Multi-Objective Particle Swarm Optimization Methods
2003 Congress on Evolutionary Computation, CEC 2003 (Canberra, 8. Dezember 2003 - 12. Dezember 2003)
In: Proceedings of the Congress on Evolutionary Computation (CEC'03) 2003
DOI: 10.1109/CEC.2003.1299886
BibTeX: Download - Mostaghim S., Teich J.:
Strategies for finding good local guides in multi-objective particle swarm optimization
Swarm Intelligence Symposium (Indianapolis, 24. April 2003 - 26. April 2003)
In: Proceedings of the Swarm Intelligence Symposium 2003
BibTeX: Download - Dellnitz M., Mostaghim S., Schütze O., Teich J.:
Covering Pareto Sets by Multilevel Evolutionary Subdivision Techniques
Second International Conference on Evolutionary Multi-Criterion Optimization (EMO), (Faro)
In: Proceedings of the Second International Conference on Evolutionary Multi-Criterion Optimization (EMO) 2003
BibTeX: Download - Teich J., Haubelt C., Mostaghim S., Tyagi A.:
Solving hierarchical optimization problems using MOEAs
In: Carlos M. Fonseca, Peter J. Fleming, Eckart Zitzler, Kalyanmoy Deb, and Lothar Thiele (Hrsg.): Evolutionary Multi-Criterion Optimization, Berlin, Heidelberg, New York: Springer, 2003, S. 162-176 (Lecture Notes in Computer Science, Bd.2632)
URL: https://www.scopus.com/inward/record.url?partnerID=HzOxMe3b&scp=35248891516&origin=inward
BibTeX: Download - Haubelt C., Mostaghim S., Slomka F., Teich J., Tyagi A.:
Hierachical Synthesis of Embedded Systems Using Evolutionary Algorithms
In: Drechsler, R. and Drechsler, N (Hrsg.): Evolutionary Algorithms in System Design, Boston, Dordrecht, London: Kluwer Academic Publishers, 2003, S. 63-104 (Genetic Algorithms and Evolutionary Computation (GENA))
BibTeX: Download - Mostaghim S., Teich J., Tyagi A.:
Comparison of data structures for storing Pareto-sets in MOEAs
2002 Congress on Evolutionary Computation, CEC 2002 (Honolulu, HI)
DOI: 10.1109/CEC.2002.1007035
BibTeX: Download - Bhattacharyya SS., Teich J., Zitzler E., Bambha N.:
Hybrid Global/Local Search Strategies for Dynamic Voltage Scaling in Embedded Multiprocessors
9th Int. Workshop on Hardware/Software Co-Design, (Copenhagen, 25. April 2001 - 27. April 2001)
In: Proc. 9th Int. Workshop on Hardware/Software Co-Design 2001
BibTeX: Download - Bhattacharyya SS., Teich J., Zitzler E.:
Evolutionary Algorithms for the Synthesis of Embedded Software
In: IEEE Transactions on Very Large Scale Integration (Vlsi) Systems 8 (2000), S. 452-456
ISSN: 1063-8210
DOI: 10.1109/92.863627
BibTeX: Download - Bhattacharyya SS., Teich J., Zitzler E.:
Evolutionary Algorithm Based Exploration of Software Schedules for Digital Signal Processors
Genetic and Evolutionary Computation Conference, (Orlando, Florida)
In: Proc. GECCO'99, the Genetic and Evolutionary Computation Conference 1999
BibTeX: Download - Bhattacharyya S., Teich J., Zitzler E.:
Optimized Software Synthesis for Digital Signal Processing Algorithms: An Evolutionary Approach
Workshop on Signal Processing Systems (SiPS), (Boston, 8. Oktober 1998 - 10. Oktober 1998)
In: Proc. of the 1998 Workshop on Signal Processing Systems 1998
BibTeX: Download - Bhattacharyya SS., Teich J., Zitzler E.:
Buffer Memory Optimization in DSP Applications - An Evolutionary Approach
In: Parallel Problem Solving from Nature (PPSN'98), Amsterdam, The Netherlands: Springer-verlag, 1998, S. 292-301
ISBN: 3540650784
BibTeX: Download - Blickle T., Teich J., Thiele L.:
An Evolutionary Approach to System-Level Synthesis
Codes/CASHE'97, the 5th Int. Workshop on Hardware/Software Co-design (Braunschweig)
In: Proc. of Codes/CASHE'97, the 5th Int. Workshop on Hardware/Software Co-design, Braunschweig, Germany, pp. 167-171, March 1997 1997
BibTeX: Download