Such- und Optimierungsverfahren für die Automatisierungstechnik

Maschinenbau, Master (PO-2023)

Eindeutige ModulnummerMaschB-2660-M
Modulnummer / ModulcodeWP-SuOA
ModulnameSuch- und Optimierungsverfahren für die Automatisierungstechnik
Art des ModulsWahlpflicht
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.

LehrveranstaltungsartenVLmP 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 LehrveranstaltungenSuch- und Optimierungsverfahren für die Automatisierungstechnik
Lehr- und Lernmethoden (Lehr- und Lernformen)Frontalunterricht
Verwendbarkeit des Moduls
Dauer des ModulsEin Semester
Häufigkeit des Angebotesjährlich im Sommersemester
Sprachedeutsch
Empfohlene (inhaltliche) Voraussetzungen für die Teilnahme am ModulEinführung in die Mess- und Regelungstechnik, Computational Intelligence in der Automatisierung
Voraussetzungen für die Teilnahme am Modul keine
Studentischer Arbeitsaufwand2 SWS VL (30 Std.), Selbststudium (60 Std.)
Studienleistungenkeine
Voraussetzung für Zulassung zur Prüfungsleistungkeine
PrüfungsleistungenSchriftliche Prüfung 60 Min. oder Mündliche Prüfung 30 Min.
Anzahl Credits (ECTS)3 cp
LehreinheitMaschinenbau
Modulverantwortliche/rProf. Dr.-Ing. Andreas Kroll
LehrendeDr. Hanns Sommer
MedienformenSkript
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