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

• Applicant: Professor Dr. Oliver Kramer
• Subject Area: Image and Language Processing, Computer Graphics and Visualisation, Human Computer Interaction, Ubiquitous and Wearable Computing
• Term: from 2010 to 2020
• Project identifier: Deutsche Forschungsgemeinschaft (DFG) - Project number 158271072

Viele Optimierungsprobleme in ingenieurwissenschaftlichen Anwendungen sind Restriktionen unterworfen. Ob logische Bedingungen, materialspezifische Eigenschaften oder andere Einschränkungen an den Suchraum: In praktischen Optimierungsszenarien, in denen weder die Zielfunktionen noch die Restriktionen explizit gegeben sind, ist der Einsatz eines effizienten stochastischen Optimierungsverfahrens mit leistungsfähiger Restriktionsbehandlung von wesentlicher Bedeutung. Evolutionäre Optimierungsverfahren mit Kovarianzmatrix- Adaptationsmechanismus wie die CMA-Evolutionsstrategie haben sich in der Vergangenheit als außerordentlich erfolgreich in der numerischen Optimierung erwiesen, verfügen bislang jedoch nur über rudimentäre Restriktionsbehandlung. Ziel des Projektes ist, Verfahren des maschinellen Lernens zur Schätzung von Meta- Modellen der Restriktionsgrenzen zu verwenden. Diese Meta-Modelle dienen dem stochastischen Optimierungsalgorithmus, unnötige Überprüfungen der Gültigkeit von Lösungen einzusparen, ungültige Lösungen zu reparieren und die Wahrscheinlichkeit der Erzeugung ungültiger Lösungen durch Anpassung der Kovarianzmatrix zu verringern. Die Methoden werden unter anderem füur praktische ingenieurwissenschaftliche Optimierungsszenarien im Bereich der Geowissenschaften am Department of Energy Resources Engineering der School of Earth Sciences der Stanford University (Kalifornien, USA) entwickelt.

• DFG Programme: Research Grants
• Host: Professor Louis J. Durlofsky