Lehrgebietsvorstellung

Prof. Dr. Günter Rudolph

Fachbereich Informatik

Lehrstuhl für Algorithm Engineering (LS 11)

Fachgebiet Computational Intelligence

Sommersemester 2008

Rudolph: LGV (SS 2008) 2

Wie kam ich zur Informatik?

Gymnasium

Untertertia → Mathematikunterricht (1976)

Spiele:

Autorennen, Frogger, „Städte verteidigen“, …

Nützliches:

Lösung LGS, Stöchiometrie, Geometrie, …

Treibende Kräfte:

1. Spieltrieb

2. Hang zur Bequemlichkeit

Die Anfänge …

Rudolph: LGV (SS 2008) 3

Wie ging es weiter?

● Studium der Informatik in Karlsruhe und Dortmund

● Wissenschaftlicher Angestellter, UniDo, Informatik, LS 11 2 Jahre

● Wissenschaftlicher Angestellter, Informatik Centrum Dortmund 3 Jahre

● Promotion 1996 (UniDo)

● Wissenschaftlicher Angestellter, UniDo, SFB 531 (CI) 4 Jahre

● Produkt- und Softwareentwicklung, Parsytec AG, Aachen 4 Jahre

● Univ.-Prof. (W2), UniDo, Informatik, LS 11 seit 2005

Fachgebiet Computational Intelligence

Lebenslauf

Rudolph: LGV (SS 2008) 4

Fachgebiet Computational Intelligence

Informationsverarbeitung in natürlichen System verstehen

) Prinzip umsetzen in algorithmische Konzepte zur Problemlösung

Computational Intelligence (CI) =

Wozu soll das gut sein?

Verwendbar bei Problemstellungen, für die

● herkömmliche Verfahren versagen oder

● spezialisierte Verfahren noch nicht existieren.

Rudolph: LGV (SS 2008) 5

Fachgebiet Computational Intelligence

Methoden, die durch Natur inspiriert sind:

Fuzzy Systeme

Neuronale Netze

Evolutionäre Algorithmen

Schwarmintelligenz

Immunnetzwerke

CI

½

Bionik

in der

Informatik

Sonderforschungsbereich 531Computational Intelligence

Rudolph: LGV (SS 2008) 6

Fachgebiet Computational Intelligence

Beispiel: Fuzzy Logik → „Rechnen mit Wörtern“ (menschliche Sprache)

● klassisch: Modus ponens

a ba

b

IF X ist A, THEN Y ist BX ist A‘

Y ist B‘

IF Heizung ist heiß, THEN Energieverbrauch ist hochHeizung ist warm

Energieverbrauch ist normal

Bsp.:

● fuzzy: Generalisierter modus ponens (GMP)

Rudolph: LGV (SS 2008) 7

Fachgebiet Computational Intelligence

Beispiel: Neuronale Netzwerke → Vorbild Gehirn

Beobachtung:

Mensch kann leicht Muster in Punktwolken erkennen …

→ algorithmische Realisierung?

Idee:

kleinste Einheit (Neuron) nachbildenund miteinander verknüpfen

Rudolph: LGV (SS 2008) 8

Fachgebiet Computational Intelligence

Beispiel: Evolutionäre Algorithmen → Vorbild biologische Evolution

Beobachtung:

Anpassung der Individuen an ihre Umwelt interpretierbar als Optimierungsprozess

→ wird getrieben durch Variation des Erbguts und natürliche Selektion

Umsetzung:

f(x1, x2, … xn) → max!

Individuum = (x1, x2, …, xn) „Erbgut“

Mutation: Wert in einem xi invertieren

xi 2 { 0, 1 }

Selektion: übernehme mutiertes Individuum wenn Fitness höher

Rudolph: LGV (SS 2008) 9

Fachgebiet Computational Intelligence

Beispiel: Schwarmintelligenz → Vorbild: Ameisen, Vögel, Fische, …

Ameisen auf Futtersuche

) kürzeste Wege in Graphen!

Nest Futter

Prinzip kann man verallgemeinern

für bel. kombinatorische Probleme

Rudolph: LGV (SS 2008) 10

Fachgebiet Computational Intelligence

Beispiel: Immunnetzwerke → Vorbild: Immunsystem Wirbeltiere

Fähigkeiten:

Freund / Feind – Erkennung

Anpassung an neue, unbekannte Situation (Pathogene)

Immunität, schnelle Immunantwort

→ Mustererkennung, Virusinfektion Computer, …

Rudolph: LGV (SS 2008) 11

Lehrveranstaltungen im Hauptstudium (Master)

Fundamente der Computational Intelligence (4V + 2Ü)

Multikriterielle Optimierung mit Metaheuristiken (2V)

Data Mining mit CI-Methoden (2V + 1Ü)

ab WS 2007/08: (Diplom und Master)

bisher:

Praktische Optimierung (4V + 2Ü)

Ausgewählte Kapitel der Computational Intelligence (2V + 2Ü)

Basismodul

Vertiefungsmodul

Forschungsbereich Intelligente Systeme

SPG 6+7

Diplom

Rudolph: LGV (SS 2008) 12

Lehrveranstaltungen im Hauptstudium (Master)

Seminare:

SS 2005 Evolutionäre Algorithmen in der Bioinformatik

SS 2006 Planung und Analyse von Computerexperimenten

SS 2007 Computational Intelligence bei Computerspielen

SS 2008 Computational Intelligence in der Musikinformatik

Projektgruppen:

WS 2008/09 Ausgewählte Forschungsgebiete der Musikdatenanalyse

PG 487 Methoden der Computational Intelligence in der Bioinformatik

PG 511 Computational Intelligence bei Computerspielen

PG 529 Modellierung menschenähnlicher Gegenspieler in Strategiespielen

PG xyz → noch ungewiss!

Rudolph: LGV (SS 2008) 13

Lehrveranstaltungen im Grundstudium

Proseminare:

SS 2006 Multithreading-Techniken

SS 2007 Musikinformatik

SS 2008 Medieninformatik

Vorlesung:

Einführung in die Programmierung (C++) für ET / IT / WiMa 4V + 2Ü + 4P

(immer im WS)

bzw. Bachelor

Rudolph: LGV (SS 2008) 14

Diplomarbeiten

● Methodische Arbeiten: Algorithmus für neue Problemklasse, neue Ideen ausprobieren → Computerexperimente planen und analysieren (Statistik!)

● Praktische Arbeiten: Konkrete Problemlösung, meist in Zusammenarbeit mit anderen Fachbereichen, Industrie, … → Einarbeitung in (fachfremde) Gedankenwelt

) jedes Problem kann in Diplomarbeit bearbeitet werden …

… mit Methoden der Computational Intelligence!

eigene Themenvorschläge

willkommen!

Rudolph: LGV (SS 2008) 15

Diplomarbeiten

Voraussetzungen:

Vorlesung Praktische Optimierung (Empfehlung)

Gute Programmierkenntnisse (C++, Java)

Fähigkeit zur Literaturrecherche

Interesse / Begeisterung für das Thema

Sprechstunde:

Dienstags, 10:30 – 11:30h und nach Vereinbarung

OH14, R. 232Guenter.Rudolph@tu-dortmund.de

Hausruf: 7702