Optimierung mit Evolutionaren Algorithmen (clt24)

Published: March 16, 2024, noon

Evolution\xe4re Algorithmen sind ein Oberbegriff f\xfcr Genetische Algorithmen\nund Verwandte.\n\nZur Optimierung von Flie\xdfkomma-Problemen mit Evolution\xe4ren Algorithmen\nbietet sich Differential Evolution [1, 2, 3] an.\n\nDer Vortrag gibt eine Einf\xfchrung in die Optimierung von Flie\xdfkomma\nProblemen anhand von Beispielen aus der Elektrotechnik sowie der\nOptimierung von Kurvenformen zur Ansteuerung von piezoelektrischen\nInkjet Druckern. Bei diesen Druckern h\xe4ngt die Form des gejetteten\nTropfens stark von der zur Ansteuerung verwendeten Kurvenform ab.\n\nF\xfcr die Software verwende ich die Python Bindings PGAPy [4] f\xfcr das\nurspr\xfcnglich an den Argonne National Laboratories entwickelte "Parallel\nGenetic Algorithm Package" PGAPack [5]. Beide Open Source Pakete\nmaintaine ich seit einigen Jahren. Unter anderen wurde diverse\nAlgorithmen wie Differential Evolution und Strategien zur Optimierung\nvon Multi-Objective Optimization (also Problemen mit mehreren\nZielfunktionen) [6] neu implementiert.\n\nLiteratur: https://blog.runtux.com/de/posts/2024/01/07/\n\nabout this event: https://chemnitzer.linux-tage.de/2024/de/programm/beitrag/237