GPN11:Evolutionary Algorithms 101: Unterschied zwischen den Versionen

Version vom 4. März 2012, 13:51 Uhr

Ein Vortrag von NicApicella (Entropia) auf der GPN11.

Ganz trocken gesagt bieten sich evolutionäre Algorithmen – dessen bekannteste Vertreter wohl die genetischen Algorithmen sind – zur Lösung von Optimierungsproblemen an. Was sie so faszinierend macht, ist deren Funktionsweise: Sich ein Beispiel aus der Natur nehmend, kämpfen verschiedene komplett willkürliche Lösungsansätze ums blanke Überleben! Nur die Besten werden einen Partner finden und Nachkommen zeugen, bevor sie dem Tode geweiht sind. Es dauert viele Generationen, bis endlich ein Sieger gekürt werden kann.

Nein, der Vortrag wird nicht einem Naturfilm ähneln: Es sollen Grundlagen zum Verständnis dieses Bereiches der künstlichen Intelligenz bzw. des künstlichen Lebens übermittelt werden. Woher kommt das Ganze, und noch viel wichtiger: Warum benutzt man sowas? Was sind die Vorteile, welches die Nachteile? Zum Abschluss soll auch noch ein ganz konkretes Verfahren skizziert werden, welches den aktuellen Stand der Technik darstellt.

Bemerkungen

Huhu. Im Vortrag wurde gefragt, wie denn so ein roboter aussieht, dem man die möglichkeit gibt, sich dinge zu merken (im kreis fahren und so): In der virtuellen Umgebung "avidia" haben leute es geschafft, roboter zu basteln, die auf einem feld einen gradienten zu einer futterquelle entlang zu klettern und später auch einer "spur" zu folgen mit "anweisungen", wo's mehr futter gibt, darunter nicht nur richtungen, sondern auch "wiederhole, was du gerade getan hast". Hier hat jemand den artikel: http://www.warpspeed.com/wordpress/?p=4610 --Timonator 04:19, 25. Jun. 2011 (CEST)

Dokumentation

Vortragsfolien gibt es auf der Prezi Seite zum ansehen oder als nicht wirklich schönen PDF-Export hier: PDF.
Video-Aufzeichnung: gpn11-evolutionary-algorithms-101.mkv (Mirror)

@@ Zeile 1: / Zeile 1: @@
 {{#css:GPN11:Stylesheet}}
-__NOTOC__
+{{Youtube|id=EJUdGm--Bbw}}
 Ein Vortrag von NicApicella (Entropia) auf der [[GPN11]].