Je Affe eine Schreibmaschine ◦ Unendlich Zeit • Man erhalte: ◦ Shakespeares Werke ◦ Ressourcenproblem ◦ Problem mit den Tierschützern https://www.theinfinitemonkeytheorem.com/
im Laufe der Zeit entwickelt ◦ Die Weiterentwicklung von Arten erfolgt durch natürliche Selektion ◦ Arten passen sich an die Natur an https://www.dkfindout.com/uk/science/famous-scientists/charles-darwin/
oder Ding • Population ◦ Menge aller Individuen einer Art, die untereinander genetisch, physiologisch und räumlich fähig sind, sich fortzupflanzen • Generation ◦ Menge aller Individuen, die den gleichen Abstand zu ihren gemeinsamen Vorfahren haben
bzw. angepasstesten Individuen einer Generation • Kreuzung ◦ Kombination der Erbanlagen zweier Individuen zur Fortpflanzung • Mutation ◦ Zufällige Änderung von Teilen der Erbanlagen
Optimization ◦ Lösungsqualität ist von einer skalarisierbaren Eigenschaft abhängig ▪ Direkte Nutzung dieser zur Bewertung ◦ Lösungsqualität ist von mehreren skalarisierbaren Eigenschaften abhängig ▪ Kombination aller Eigenschaften zu einem Skalar notwendig ▪ Gewichtung der Eigenschaften spielt große Rolle für Resultat ◦ (normalisierter) Skalar entspricht der Wahrscheinlichkeit für die Auswahl zur Weiterentwicklung
Optimization ◦ Lösungsqualität ist von mehreren skalarisierbaren Eigenschaften Abhängig ▪ Bei n Eigenschaften → n-dimensionaler Bewertungsraum ▪ Pareto-Front enthält gleich-gute Lösungen ▪ Auswahl aus Pareto-Front gleichwahrscheinlich
der breiten Exploration des Suchraums • Auswahl zweier Lösungen aus der aktuellen Population ◦ Basierend auf deren Wahrscheinlichkeit (Fitness) • Rekombination beider Lösungen durch Teilen und Zusammensetzen ◦ Mittig oder an zufälliger Position
stark errodierte Softwaresysteme ◦ Undokumentierte bzw. von Dokumentation abweichende Architektur • Ziel: ◦ Restrukturierung der Anwendung anhand fachlicher Gesichtspunkte • Frage: ◦ Wie sollte das Softwaresystem strukturiert sein?
Source Java Bibliothek ◦ EvolutionStream als Grundlage ▪ Verschiedene vordefinierte Kodierungsarten und Datentypen ▪ Verschiedene Crossover- und Mutationsoperatoren ▪ SOO- und MOO-Unterstützung ▪ Parallelisierbar und umfangreiche Statistiken
Position und Ausrichtung • Das Fahrzeug folgt einer Leitlinie zum Ziel • Die Leitlinie ist eine Sequenz von X/Y Paaren und damit das GENOM • Eine Leitlinie pro Individuum
mit Hindernissen (KO-Kriterium) ◦ Alle Räder sind auf Fahrbahn (KO-Kriterium) ◦ Eingehaltene Fahrzeugparameter (KO-Kriterium) ◦ Streckenlänge ◦ Lenkmanöver ◦ Ausrichtung an der Zielposition
Gewichtete Summe aus der Bewertung von Teilaspekten • Selektion von Lösungen ◦ Anhand der Fitness in Relation zur Summe aller Fitnesswerte ◦ Anhand der Position in der nach Fitness sortierten Liste ◦ Selektion des unfittesten Individuums muss möglich sein
Liefern möglicherweise weniger gute Ergebnisse ◦ Brauchen teilweise länger als spezielle Algorithmen ◦ Aber: Nicht für jedes Problem existiert ein passender Optimierungsalgorithmus
ML und AI voran ◦ Gute und umfangreiche Lern- und Prüfdaten notwendig ◦ Schwierig anpassbar, wenn Ergebnisse “gefühlt” nicht passen • Hohe Komplexität von ML und AI ◦ Für Machbarkeits-Untersuchungen ungeeignet
Mutationsrate, Populationsgröße, Anzahl explorierte Generationen ◦ Fitnessfunktion ▪ SOO vs. MOO ▪ Neue Einflussfaktoren ▪ Gewichtung der Kriterien ◦ Performanz und Logging