Vorlesung: Evolutionary Computation - Details

Vorlesung: Evolutionary Computation - Details

Allgemeine Informationen

Veranstaltungsname Vorlesung: Evolutionary Computation
Veranstaltungsnummer INF-3053, INF-0229
Semester WS 2026/27
Aktuelle Anzahl der Teilnehmenden 10
erwartete Teilnehmendenzahl 12
Heimateinrichtung Organic Computing
Veranstaltungstyp Vorlesung in der Kategorie Lehre
Nächster Termin Dienstag, 13.10.26, 14:00 - 15:30 Uhr 1023 W
Voraussetzungen keine
Leistungsnachweis 50% oral exam (individually) on lecture contents
2x15% from exercise sheets
20% from group work

50% mündliche Prüfung (einzeln) über die Inhalte der Veranstaltung
2x15% aus Übungsblättern
20% aus Gruppenarbeit
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile Ja
Hauptunterrichtssprache englisch
Weitere Unterrichtssprache(n) Deutsch
Literaturhinweise z.B.:

Patrick Siarry. 2017. Metaheuristics. Springer Cham. https://doi.org/10.1007/978-3-319-45403-0

Sean Luke. 2013. Essentials of Metaheuristics. Lulu.ISBN: 978-1-300-54962-8. Available at http://cs.gmu.edu/~sean/book/metaheuristics/

William B. Langdon, Riccardo Poli. 2002. Foundations of Genetic Programming. Springer Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-04726-2

Ryan J. Urbanowicz, Will N. Browne. 2017. Introduction to Learning Classifier Systems. Springer Berlin, Heidelberg. https://doi.org/10.1007/978-3-662-55007-6
ECTS-Punkte 8

Räume und Zeiten

1023 W

  • Dienstag, 14:00 - 15:30, Wöchentlich (ab dem 13.10.26)

Modulzuordnungen

Kommentar/Beschreibung

In this course, students learn about the various areas of the field of Evolutionary Computation. These are divided on the one hand into the multitude of different optimisation algorithms (ES, GA, PSO, ACO, NSGA-II, ...), whereby various basic concepts of optimisation (e.g. single- vs multi-objective) are also introduced, and on the other hand into downstream/advanced techniques, such as: Genetic Programming, Learning Classifier Systems and Neuroevolution (in particular Neural Architecture Search) from the field of Evolutionary Machine Learning; automated algorithm design and hyperheuristics; benchmarking; and behaviour and landscape analysis.



Evolutionary Computation umfasst bioinspirierte Algorithmen aus den Feldern Optimierung, Machine Learning und sonstiger Artificial Intelligence. Dabei werden komplexe sonst nicht in annehmbarer Zeit lösbare Probleme durch vergleichsweise einfache Heuristiken effizient angenähert. In der Vorlesung werden die grundlegenden Konzepte und Methoden der Evolutionary Computation vorgestellt, kritisch diskutiert und praktisch angewandt.