Restriktionsbehandlung für stochastische Kovarianzmatrix-Adaptation und ihre Anwendung auf ingenieur- und geowissenschafltiche Optimierungsprobleme

• Antragsteller: Professor Dr. Oliver Kramer
• Fachliche Zuordnung: Bild- und Sprachverarbeitung, Computergraphik und Visualisierung, Human Computer Interaction, Ubiquitous und Wearable Computing
• Förderung: Förderung von 2010 bis 2020
• Projektkennung: Deutsche Forschungsgemeinschaft (DFG) - Projektnummer 158271072

• Erstellungsjahr: 2014

Zusammenfassung der Projektergebnisse

Im Rahmen des Projektes wurden Restriktionsbehandlungsmethoden für Evolutionsstrategien, insbesondere die Kovarianzmatrix-Varlante CMA-ES entwickelt. Evolutionsstrategien leiden an der Restriktionsgrenze unter bestimmten Bedingungen unter vorzeitiger Schrittweitenreduktion vor Erreichen des Optimums. Theoretische Analysen belegen dieses Phänomen. Verschiedene lineare und nichtlineare Meta-Modelle basierend auf Support Vektor Verfahren in Kombination mit entkoppelten Meta-Modell Management Strategien führen zur Reduktion von Fitness- und Restriktionsfunktionsaufrufen. Auf diese Weise wird eine nahtlose und den Kovarianzmatrix-Adaptationsprozess nicht störende Integration In die CMA-ES ermöglicht. Eine adaptive Straffunktion, die die Penalty-Faktoren mit einer Rechenberg-ähnlichen Heuristik kontrolliert, ermöglicht die Approximation des Optimums mit beliebiger Genauigkeit. Experimentelle Untersuchungen auf künstlichen Testproblemen sowie in realen Anwendungen im Energiesektor und im Bauingenieurwesen demonstrieren den erfolgreichen Einsatz der entwickelten Optimierungsstrategien. Des Weiteren wurde im Rahmen des Projekts die Platform OrgES (Organic Computing for Evolution Strategies) entwickelt, die es ermöglicht, effizient auf Mehrprozessor-Maschinen evolutionäre Algorithmen zu verteilen.

Projektbezogene Publikationen (Auswahl)

• Derivative-Free Optimization, in Yang, X.-S. und Koziel, S.: Computational Optimization and Applications in Engineering and Industry, Reihe: Studies in Computational Intelligence, S. 61-83, Springer, Berlin, 2011
  Kramer, O.; Echeverría Ciaurri, D.; Koziel, S.
  
• An Adaptive Penalty Function with Meta-Modeling for Constrained Problems. IEEE Congress on Evolutionary Computation (CEC), S. 1350-1354, IEEE Press, 2013
  Oliver Kramer, U. Schlacher, V. Spreckels
  
• Local SVM Constraint Surrogate Models for Self-Adaptive Evolution Strategies, Advances in Artificial Intelligence (KI), S. 164-175, Springer, 2013
  Jendrik Poloczek, Oliver Kramer
  
• Optimization of Elastic Properties of Malaysian's Weaving Patterns in Woven fabric Composites. In: Composite Structures, 100: S. 575-591, Elsevier, 2013
  I. Akmar, A . Bakara, O. Kramer, S. Bordasd, T. Rabczuk
  
• Towards Non-Linear Constraint Estimation for Expensive Optimization, Applications of Evolutionary Computation (EvoStar), S. 459-468, Springer, 2013
  Fabian Gieseke, Oliver Kramer
  
• A Brief Introduction to Continuous Evolutionary Optimization, Reihe: Springer Briefs in Computational Intelligence, Springer, Heidelberg, 2014
  Oliver Kramer