Such- und Optimierungsverfahren für die Automatisierungstechnik

Mechatronik, Master (PO-2023)

Modulnummer / Modulcode WP-ME-MA-67
Modulname Such- und Optimierungsverfahren für die Automatisierungstechnik
Art des Moduls Wahlpflicht
Lernergebnisse, Kompetenzen, Qualifikationsziele

Die Studierenden haben sich ein breites und integriertes Wissen über Such- und Optimierungsverfahren angeeignet. Sie sind in der Lage, selbständig die entsprechende Fachliteratur zu lesen, ihre Kenntnisse zu vertiefen und umzusetzen.
Lehrveranstaltungsarten VLmP 2 SWS
Lehrinhalte
  • Datenstrukturen und Rechnerumsetzung
  • Grundprinzipien und Algorithmen für Suchverfahren: Grundbegriffe, Dijkstras-Algorithmus, A*-Algorithmus, Monte-Carlo-Methoden, Grover-Algorithmus für Quantencomputer, Unscharfe Suche (Fuzzy-Suche), SAT-Lösungs-Algorithmen.
  • Grundprinzipien und Algorithmen für die Optimierung:
    Grundbegriffe, Zielfunktion, Optimierung unter Nebenbedingungen (Lagrange Multiplikatoren), Ein- und Mehrzieloptimierung, Pontrjagin'sches Maximumprinzip, Bellman'sches Optimalitätsprinzip.
  • Spezielle Algorithmen: Bergsteigeralgorithmus, Sintflutalgorith­mus, Simulierte Abkühlung, Metropolis Algorithmus, Schwarm- algorithmen, Ameisenalgorithmus
  • Anwendungen in Anlagensteuerung, Robotik, Transportsystemen
Titel der Lehrveranstaltungen Such- und Optimierungsverfahren für die Automatisierungstechnik
Lehr- und Lernmethoden (Lehr- und Lernformen) Frontalunterricht
Verwendbarkeit des Moduls
Dauer des Moduls Ein Semester
Häufigkeit des Angebotes jährlich im Sommersemester
Sprache deutsch
Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am Modul Einführung in die Mess- und Regelungstechnik, Computational Intelligence in der Automatisierung
Voraussetzungen für die Teilnahme am Modul
Studentischer Arbeitsaufwand 2 SWS VL (30 Std.), Selbststudium (60 Std.)
Studienleistungen
Voraussetzung für Zulassung zur Prüfungsleistung
Prüfungsleistungen Schriftliche Prüfung 60 Min. oder Mündliche Prüfung 30 Min.
Anzahl Credits (ECTS) 3 cp
Lehreinheit Maschinenbau
Modulverantwortliche/r Prof. Dr.-Ing. A. Kroll
Lehrende Dr. Hanns Sommer
Medienformen Skript
Literatur
  • Nilsson, Principles of Artificial Intelligence, Tiogu Publishing Company, 1980
  • Lunze, Künstliche Intelligenz für Ingenieure, 2. Auflage, Oldenbourg, 2010
  • E. Dennis, R.B. Schnabel, Numerical methods for unconstrained optimization and nonlinear equations, SIAM, 1996
  • Orginalartikel