KI-basierte Optimierung: Entwicklung lernender Algorithmen für komplexe Aufgabenstellungen
- Forschungsthema:AI-based Optimization, Meta-learning, Deep learning
- Typ:Bachelor- /Masterarbeit
- Datum:ab 06 / 2025
- Betreuung:
KI-basierte Optimierung: Entwicklung lernender Algorithmen für komplexe Aufgabenstellungen
Kontext
Optimierungsprobleme sind fundamental in Wissenschaft und Ingenieurwesen: von der Optimierung physikalischer Systeme bis zur Steuerung von Robotern und zum Training von Deep Neural Networks. Traditionell wurde die Optimierung mit regelbasierten Verfahren wie gradient descent oder evolutionary algorithms gelöst.
In den letzten Jahren hat sich die KI-gestützte Optimierung als eine leistungsfähige Alternative zu klassischen Methoden entwickelt. Anstatt jede Aufgabe von Grund auf zu lösen, zielen lernbasierte Ansätze darauf ab, anpassungsfähige Optimierungsstrategien zu finden, die auf verschiedene Problemstellungen generalisieren können.
Im Rahmen dieser Arbeit werden KI-basierte Strategien zur Lösung von Optimierungsproblemen untersucht. Mögliche Themen sind z. B. lernbasierte Methoden für strukturierte Entscheidungsprobleme, kontinuierliche Optimierung oder dynamische Steuerungsszenarien. Ziel ist die Entwicklung von Systemen, die sich an verschiedene Aufgaben anpassen und verallgemeinern können.
Aufgaben
Die konkreten Aufgaben beziehen sich auf das gewählte Thema, aber der allgemeine Ablauf der Arbeit lässt sich wie folgt zusammenfassen:
- Literaturrecherche zu der SOTA-Technik im Bereich KI-gestützter Optimierung
- Konzeption und Implementierung eines lernbasierten Frameworks zur Lösung von Optimierungsaufgaben (z.B. Regressions- oder Reinforcement-Learning Probleme)
- Training und Evaluation des entwickelten Systems mit simulierten oder realen Optimierungsszenarien, und Vergleich mit klassischen Optimierungsmethoden
- Generalisierung des Frameworks, um gute Performance bei verschiedenen Aufgaben zu ermöglichen
- Auswertung und Analyse der Ergebnisse sowie Verfassen der Abschlussarbeit
Voraussetzungen
- Motivation und Interesse am selbstständigen Lösen von technischen Problemen
- Kenntnisse von Machine Learning, idealerweise Reinforcement Learning
- Erfahrung mit Programmierung (Python, C++, Java…)
- Analytische Fähigkeiten, Problemlösungs- und Kommunikationsfähigkeiten