Komplexe Optimierungsprobleme effizienter lösen
Das nun abgeschlossene Forschungsprojekt MONREP (in Kooperation mit Prof. Konen, TH Köln) hat zur Entwicklung eines neuartigen Optimierverfahrens für hochdimensionale, nichtlineare, restringierte Anwendungen geführt.
Das Verfahren verwendet sogenannte Response-Surface Verfahren, um sowohl die Zielfunktion als auch die Restriktionen zu lernen. Auf Benchmark-Problemen sowie auf publizierten Testfunktionen aus der Automobilindustrie im Bereich der Crash-Optimierung (Gewichtsreduktion unter Einhaltung der Sicherheitsanforderungen) zeigt das Verfahren eine um den Faktor 300-1000 reduzierte Anzahl von Zielfunktionsauswertungen sowie eine um den Faktor 33 erhöhte Trefferquote für die optimale Lösung. Der Algorithmus ist nun in unserem Produkt ClearVu Global OptimizerTM verfügbar.
Teilresultate des Projektes sind veröffentlicht worden, z.B. sei auf die folgenden Veröffentlichungen verwiesen:
- P. Koch, S. Bagheri, W. Konen, C. Foussette, P. Krause, T. Bäck: A new repair method for constrained optimization. In Proceedings of the 17th Conference on Genetic and Evolutionary Computation (GECCO), S. 273-280. ACM Press, NY, 2015.
- S. Bagheri, W. Konen, M. Emmerich, T. Bäck: Improved efficient constrained optimization by surrogate modeling and adaptive parameter control. Accepted for publication in Applied Soft Computing, Elsevier, 2016.
Das Projekt wurde unter dem Förderkennzeichen KF2890902WD3 durch das Bundesministerium für Wirtschaft und Energie gefördert.