Seminar Heuristische Verfahren Das Tastatur-Anordnungs-Problem

Slides:



Advertisements
Ähnliche Präsentationen
Simulationsansätze in der BWL: Erstellung eines eigenen Projekts
Advertisements

Matrixmultiplikation
Grundlagen des A*-Algorithmus und Anwendung in der Routenplanung
Perceptrons and the perceptron learning rule
Informatik II: Algorithmen und Datenstrukturen SS 2013
Computer graphics & visualization Procedural Terrain Generation Hager Simon Proseminar Gamedesign.
Schnelle Matrizenoperationen von Christian Büttner
Ein Planungssystem zur Optimierung der Palettenbeladung mit kongruenten rechteckigen Versandgebinden Ein logistisches PC-gestütztes Decision-Support-System.
Strukturlösung mit Hilfe der Patterson-Funktion
Suche in Texten (Stringsuche )
Genetische Algorithmen für die Variogrammanpassung
Übung 6.6Schranken 1.Angenommen, Ihr Algorithmus habe einen Aufwand von g(n) = 5n 3 + n für alle n a)Geben sie eine obere Schranke O(g(n)) an. b)Beweisen.
Simulated Annealing Marco Block & Miguel Domingo Seminar : Maschinelles Lernen und Markov KettenSommersemester 2002.
Übersicht DIALIGN = DIagonal ALIGNment
Genetische Algorithmen
Genetische Algorithmen
Heuristiken und Kontexteinflüsse
Suchbäume Richard Göbel.
Sortierverfahren Richard Göbel.
Sortierverfahren Richard Göbel.
Heuristiken Automatic Problem Solving Institut für Informatik
Prinzipien des Algorithmenentwurfs Backtracking Prof. Dr. Th. Ottmann
Vorlesung Informatik 2 Algorithmen und Datenstrukturen Halbzeit: Was haben wir bisher gelernt? Prof. Th. Ottmann.
Vorlesung Informatik 2 Algorithmen und Datenstrukturen (27 – Kürzeste Wege) Prof. Th. Ottmann.
Genetische Algorithmen
Grundlagen im Bereich der Textverarbeitung
Seminar parallele Programmierung SS 2003
Erkennung von Gesichtsausdrücken anhand von Bildbewegungen (Irfan Essa & Alex Pentland) Hauptseminar Smart Environments Joachim Biggel
Brauchen wir Usability? K.F. Wender Uni-Trier Fachbereich I, Psychologie.
3. März 2000LS VI Workshop: Kalibrierung und Optimierung1/20 Kalibrierung und Optimierung in simulierten Multiagentensystemen Christoph Oechslein.
Was sind Histogramme? (1)
Teil 5: Kollisionsvermeidung & Wegplanung
Konzeption und Realisierung von DSS
Generalisierte additive Modelle
Machine Learning Was wir alles nicht behandelt haben.
Christian Schulz, Marc Thielbeer, Sebastian Boldt
Effiziente Algorithmen
EXCEL PROFESSIONAL KURS
Effiziente Algorithmen
Sortieralgorithmen Sortieren von Arrays.
Abschlussvortrag zur Studienarbeit
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Information und Kommunikation
Proseminar: How to make a PIXAR movie?
Polynome und schnelle Fourier-Transformation
A. Gebert / A. Henke Ant colony simulation.
One plus One Evolutionary Optimizer
Using latent semantic analysis to find different names for the same entity in free text Präsentation und Diskussion des Papers Im Rahmen des PS Web-Information.
Klassifikation und Regression mittels neuronaler Netze
Manuel Lässer Reto Meier Semesterarbeit Eingabegeräte 2002 Folie 1 Semesterarbeit Eingabegeräte.
Inhalt Einordnung und Funktion der lexikalische Analyse Grundlagen
Routenplanung querfeldein - Geometric Route Planning
Vortrag Relative Orientierung
Anfang Präsentation 3. November, 2004 Tarjan’s Schleifenaufbrechalgorithmus In dieser Vorlesung wird ein Verfahren vorgestellt, welches in der Lage ist,
Anwendung der Ellipsoidmethode in der Kombinatorischen Optimierung
Der A*-Algorithmus.
Institut für Informationssysteme Technische Universität Braunschweig Institut für Informationssysteme Technische Universität Braunschweig Verdrängung von.

Beispiel GPS-Parametrierung
EIN NEUES ENSEMBLE- KLASSIFIKATIONSVERFAHREN Tim Schneider Rotation Forest.
Programmiersprachen II Fortsetzung Datenstrukturen Balancierte Bäume 3 Prof. Dr. Reiner Güttler Fachbereich GIS HTW.
Spärliche Kodierung von Videos natürlicher Szenen Vortragender: Christian Fischer.
Schwarmintelligenz Lydia Pintscher Seminar Organic Computing Universität Karlsruhe.
 Präsentation transkript:

Seminar Heuristische Verfahren Das Tastatur-Anordnungs-Problem optimiert mit Ameisen Susin Savas 03.02.2004

Layout einer Tastatur scheinbar ungeordnet? Motivation Layout einer Tastatur scheinbar ungeordnet? Alphabetisch Treffer-Rate Ergonomisch Ursprünglich für Schreibmaschinen entworfen QWERTY Layout, Sholes Brüder, 1873 Keine Verklemmungen der Tasten Entworfen für Remington II Jahrzehnte lang Standard Verbesserungen in Ergonomie und Trefferrate (Marsan, Dvorak) nicht durchgesetzt

6 theoretisch abgeleitete heuristische Regeln, experimentell geprüft Motivation Ergonomische Nachforschung für das Anordnungs-Problem erfolglos Grund: unrealistische Modelle, keine Optimierungs-Methode Beispiele: Tipp-Geschwindigkeit, schnelles Erlernen des Tipp Systems von Norman und Fischer, 1982 komplexere ergonomische Kriterien von Pollatschek 1975, Burkard und Offermann 1977 Lösung: 6 theoretisch abgeleitete heuristische Regeln, experimentell geprüft

Das Tastatur-Anordnungs-Problem Lösungs-Ansatz: Ein abstraktes Tastatur Modell definieren Eine Bewertungsfunktion (Optimierungsfunktion) definieren, basierend auf ergonomischen Regeln

Repräsentation einer Tastatur Aufteilung der Tastatur in: Rechte Hand, linke Hand Spalten (0-7 rechte Hand und 0-8 linke Hand) Zeilen (0-5) Zur exakten Identifikation jeder einzelnen Taste

Kriterien für Ergonomie Ziele Ermüdungsfreies Tippen Maximieren der Tipp-Geschwindigkeit Vermindern von Tipp-Fehlern Einfaches Erlernen des Layouts Optimierungs-Funktion lineare Kombination aus 6 Teilfunktionen liefern quantitative Ergebnisse ergonomischer Kriterien

Kriterien für Ergonomie Erreichbarkeit & Belastung Lastverteilung möglichst auf Alle Finger Beide Hände Unterschiedliche Erreichbarkeit von Tasten Anzahl der Tasten-Drücke Möglichst minimal Hand-Wechsel Aufeinanderfolgende Tasten-Drücke möglichst mit wechselnder Hand

Kriterien für Ergonomie Fortlaufender Gebrauch des gleichen Fingers Möglichst abwechselnde Finger Vermeiden großer Sprünge Aufeinanderfolgende Tasten möglichst eng zusammen Treffer-Richtung Aufeinanderfolgende Tasten bei gleicher Hand möglichst von Außen nach Innen

Zeichen-nach-Taste Zuordnung: Ameisen-Algorithmus Grundidee: Basiert auf natürlichem Verhalten der Ameisen Ameisen finden kürzesten (optimalen) Weg Nest ↔ Nahrungsquelle Verwendung von Pheromon-Spuren Beschreibung: Initiale Phase Parameter auf Anfangswerte setzen Iterative Phase solange wiederholen bis vordefinierte Bedingung erreicht Zeichen-nach-Taste Zuordnung: Berechnung der wahrscheinlich günstigsten Taste für das Zeichen

Initiale Phase: Ameisen-Algorithmus Ameisen-Sammlung von N Agenten Text-Quelle definieren Jeder Ameise leere Zeichen Kette der fixen Länge l zuweisen Jeder Ameise eine leere Tastatur zuweisen Eine Pheromon-Matrix erstellen, u.U. ihre Elemente auf Werte, die von Lösung einer hoch qualitativen Tastatur-Anordnung stammen, initialisieren

Ameisen-Algorithmus Iterative Phase: Die zu Ameisen zugeordneten Tastaturen werden geleert Den Ameisen werden Zeichen-Ketten aus dem Text zugeordnet Jede Ameise liest ihre Zeichen-Kette Produziert Menge kombinierte Zeichen (CCS) CCS werden der Tastatur zugeordnet bis Ende der Zeichen Kette Restliche CCS werden zufällig der restlichen Tasten zugeordnet Jede Ameise bewertet ihre Lösung Mit dem Koeffizient ρall Pheromon Matrix verdampfen ד ← ρall ד Auswahl der besten Lösungen mit ∆ד ·q(k) verstärken Pheromon Matrix auf das Intervall [דmin ,דmax] beschränken

Zuordnung der Zeichen-nach-Taste: Ameisen-Algorithmus Zuordnung der Zeichen-nach-Taste: Für alle freie Tasten j Berechnung einer Wahrscheinlichkeit gemäß: CCS an der gewählten Taste platzieren Die Zuordnung verdampfen lassen

Beste Tastatur-Anordnung: Ergebnisse Beste Tastatur-Anordnung: Französische Tastatur AZERTY als Referenz (Wert 1.0) 2000 Iterationen in 14h an einem 400 MHz PC Textquelle „Le Monde“ Endergebnis 0.487 Gute Tastaturen haben gleiche Haupteigenschaften: Alle Vokale mit einer Hand Seltene Konsonanten auf der gleichen Seite wie Vokale Position von Vokalen und häufig benutzten Konsonanten zueinander gleich

Für Deutsche und Englische Tastaturen: Ergebnisse Für Deutsche und Englische Tastaturen: Textquelle „Spiegel“ und „USA Today“ Referenz-Tastaturen QWERTZ bzw. QWERTY (1.0) Werte der Optimierungsfunktionen 0.592, 0.593 Zum Vergleich: Dvorak 0.61

Ameisen Algorithmus effektiv und liefert effizient sehr gute Lösungen Fazit Die Arbeiten zeigen: Ameisen Algorithmus effektiv und liefert effizient sehr gute Lösungen Dvorak- und Marsan-Tastaturen sind übertroffen Theoretisches Tastatur-Modell wertvoll für (andere) Simulationen Spezielle Rechts- oder Linkshänder-Tastaturen Mehrsprachige Tastaturen Besondere Tastaturen, z.B. Industrie-Einsatz Praktische Überprüfung der Ergebnisse bisher ausgeblieben

Literatur Jan Eggers et al., „Optimization of the keyboard arrangement problem using an Ant Colony algorithm“, European Journal of Operational Research 148 (2003), Seiten 672-686

Fragen ?