• Prof. Dr. Andreas Peter Dominik

• Prof. Dr. Andreas Peter Dominik

Für Bachelor Applied Data Science:

Keine

Für Bachelor Bioinformatik, Bachelor Informatik:

INF1008 Theoretische Informatik 2

• Bioinformatik (B.Sc. 2022)
  • Theoretische Informatik 2 (INF1008)
• Informatik (B.Sc. 2022)
  • Theoretische Informatik 2 (INF1008)

Kennenlernen der Stärken und besonderen Anwendungsbereiche genetischer Algorithmen.

• Genetische Algorithmen und evolutionäre Optimierungsstrategie
• Systematik der Optimierung einer Population
• Aufbau und Funktion des Optimierungsalgorithmus.

Fachkompetenzen

• Die Studierenden können die Arten genetischer Algorithmen und deren Anwendung erklären.
• Sie können Stärken und Schwächen von genetischen Algorithmen benennen.
• Sie können Unterschiede und Gemeinsamkeiten genetischer Algorithmen und anderer Optimierungsmethoden benennen und GAs in die Optimierungsalgorithmen einordnen.

Methodenkompetenzen (fachlich & überfachlich)

• Die Studierenden können die Parameter des GA (z.B. Mutationsrate, Rekombinationsrate, Selektionsschema) an eine gegebene Problemstellung anpassen.
• Sie sind in der Lage selbst GAs zu entwickeln, um wissenschaftliche Fragestellungen zu beantworten.

Sozialkompetenzen

• Die Studierenden können die Dynamik sozialer Gemeinschaften reflektieren und den Zusammenhang zur evolutionären Optimierung herstellen.

Selbstkompetenzen

• Die Studierenden können den Zusammenhang zwischen dem Algorithmus des GA und den in der Natur ablaufenden Optimierungsvorgängen identifizieren. Sie können beschreiben (soweit möglich), warum die Welt so geworden ist, wie sie ist.

• 6 CrP
• Arbeitsaufwand 180 Std.
• Präsenzzeit 60 Std.
• Selbststudium 120 Std.

• 4 SWS
• Vorlesung 1 SWS
• Praktikum 3 SWS

• Bioinformatik (B.Sc. 2022)
• Informatik (B.Sc. 2022)

Nein

Bonuspunkte werden gemäß § 9 (4) der Allgemeinen Bestimmungen vergeben. Art und Weise der Zusatzleistungen wird den Studierenden zu Veranstaltungsbeginn rechtzeitig und in geeigneter Art und Weise mitgeteilt.

Prüfungsvorleistung:

Praktikumsleistung

(Anzahl der Praktikumsleistungen wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

Prüfungsleistung:

Klausur oder mündliche Prüfung

(Art des Leistungsnachweises wird den Studierenden rechtzeitig und in geeigneter Weise bekannt gegeben.)

• Mitchell, M.: An introduction to genetic algorithms. MIT Press.
• Goldberg, D. E.: Genetic algorithms. Addison Wesley.
• Poli, R.; Langdon, W. B.; McPhee, N. F.: A field guide to genetic programming. Lulu Enterprises, UK Ltd.
• Kursskript