Lehrgebietsvorstellung Sommersemester 2008 Lehrgebietsvorstellung Prof. Dr. Günter Rudolph Fachbereich Informatik Lehrstuhl für Algorithm Engineering (LS 11) Fachgebiet Computational Intelligence

Wie kam ich zur Informatik? Die Anfänge … Gymnasium Untertertia → Mathematikunterricht (1976) Spiele: Autorennen, Frogger, „Städte verteidigen“, … Nützliches: Lösung LGS, Stöchiometrie, Geometrie, … Treibende Kräfte: Spieltrieb Hang zur Bequemlichkeit Rudolph: LGV (SS 2008)

Wie ging es weiter? Lebenslauf 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 Rudolph: LGV (SS 2008)

Fachgebiet Computational Intelligence Computational Intelligence (CI) = Informationsverarbeitung in natürlichen System verstehen ) Prinzip umsetzen in algorithmische Konzepte zur Problemlösung Wozu soll das gut sein? Verwendbar bei Problemstellungen, für die herkömmliche Verfahren versagen oder spezialisierte Verfahren noch nicht existieren. Rudolph: LGV (SS 2008)

Bionik in der Informatik Fachgebiet Computational Intelligence Methoden, die durch Natur inspiriert sind: Fuzzy Systeme Neuronale Netze Evolutionäre Algorithmen Schwarmintelligenz Immunnetzwerke Bionik in der Informatik CI ½ Sonderforschungsbereich 531 Computational Intelligence Rudolph: LGV (SS 2008)

Fachgebiet Computational Intelligence Beispiel: Fuzzy Logik → „Rechnen mit Wörtern“ (menschliche Sprache) klassisch: Modus ponens a  b a b fuzzy: Generalisierter modus ponens (GMP) IF X ist A, THEN Y ist B X ist A‘ Y ist B‘ IF Heizung ist heiß, THEN Energieverbrauch ist hoch Heizung ist warm Energieverbrauch ist normal Bsp.: Rudolph: LGV (SS 2008)

Fachgebiet Computational Intelligence Beispiel: Neuronale Netzwerke → Vorbild Gehirn Beobachtung: Mensch kann leicht Muster in Punktwolken erkennen … → algorithmische Realisierung? Idee: kleinste Einheit (Neuron) nachbilden und miteinander verknüpfen Rudolph: LGV (SS 2008)

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! xi 2 { 0, 1 } Individuum = (x1, x2, …, xn) „Erbgut“ Mutation: Wert in einem xi invertieren Selektion: übernehme mutiertes Individuum wenn Fitness höher Rudolph: LGV (SS 2008)

Fachgebiet Computational Intelligence Beispiel: Schwarmintelligenz → Vorbild: Ameisen, Vögel, Fische, … Nest Futter Ameisen auf Futtersuche ) kürzeste Wege in Graphen! Prinzip kann man verallgemeinern für bel. kombinatorische Probleme Rudolph: LGV (SS 2008)

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)

Lehrveranstaltungen im Hauptstudium (Master) bisher: Fundamente der Computational Intelligence (4V + 2Ü) Multikriterielle Optimierung mit Metaheuristiken (2V) Data Mining mit CI-Methoden (2V + 1Ü) SPG 6+7 Diplom ab WS 2007/08: (Diplom und Master) Praktische Optimierung (4V + 2Ü) Ausgewählte Kapitel der Computational Intelligence (2V + 2Ü) Basismodul Vertiefungsmodul Forschungsbereich Intelligente Systeme Rudolph: LGV (SS 2008)

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 WS 2008/09 Ausgewählte Forschungsgebiete der Musikdatenanalyse Projektgruppen: 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)

Lehrveranstaltungen im Grundstudium bzw. Bachelor Vorlesung: Einführung in die Programmierung (C++) für ET / IT / WiMa 4V + 2Ü + 4P (immer im WS) Proseminare: SS 2006 Multithreading-Techniken SS 2007 Musikinformatik SS 2008 Medieninformatik Rudolph: LGV (SS 2008)

eigene Themenvorschläge willkommen! Diplomarbeiten eigene Themenvorschläge willkommen! 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! Rudolph: LGV (SS 2008)

Diplomarbeiten Voraussetzungen: Sprechstunde: 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. 232 Guenter.Rudolph@tu-dortmund.de Hausruf: 7702 Rudolph: LGV (SS 2008)