Veröffentlicht: von .

sscilogo

Vom 06. – 09. Dezember 2016 findet in Athen die internationale Konferenz "IEEE Symposium Series on Computational Intelligence" (IEEE SSCI 2016) statt. Wir freuen uns, dass wir, Samineh Bagheri und Wolfgang Konen, die TH Köln dort mit einem Vortrag vertreten werden. Der im Peer-Review-Verfahren angenommene Beitrag trägt den Titel "Online Selection of Surrogate Models for Constrained Black-Box Optimization".

Worum geht es? Viele Anwendungen in der Industrie beruhen auf komplexen Computersimulationen. Beispielsweise

wollen Automobilhersteller das Gewicht ihrer Fahrzeuge möglichst minimieren, um attraktive Verbrauchswerte liefern zu können. Sie müssen aber gleichzeitig sicherstellen, dass das Design des Fahrzeugs alle Sicherheits-Randbedingungen in Crashtest-Simulationen erfüllt. Man hat also eine Zielfunktion (das Gewicht), zahlreiche Parameter (Dicke und Form von Karosserieteilen) und zahlreiche Constraints, also Randbedingungen. Oft sind es Dutzende von Parametern und hunderte von Constraints. Das weitere Problem ist, dass die Simulationen ungeheuer aufwändig sind und auch auf Hochleistungsrechnern Tage bis Wochen rechnen. Deshalb möchten die Automobilbauer möglichst wenige solcher Crashtest-Simulationen rechnen. Leistungsfähige Optimierungsalgorithmen wie evolutionäre Algorithmen brauchen aber oft einige Hunderttausend Auswertungen.

Hier kommen nun die sog. Surrogatmodelle ins Spiel: Statt der richtigen Simulationen baut man Ersatzmodelle (in unserem Fall sind es Radiale-Basis-Funktionen, RBF) und erledigt die Hauptarbeit der Optimierung dort. Nur gelegentlich rechnet man für einen neuen, aussichtsreichen Kandidaten das volle Simulationsmodell. In unserer Arbeit, die auf früheren Erfolgen in dieser Richtung aufbaut, gehen wir noch einen Schritt weiter: Es gibt verschiedene Typen von RBFs und man weiß vorher nicht, welcher Typ für ein gegebenes Modell am besten ist. Wir starten nun mit einem ganzen Ensemble von Modelltypen und wählen für jede Funktion mit einem Online-Algorithmus aus, welcher Typ für diese Funktion in dieser Iteration verwendet werden soll. Damit konnten wir eine erhebliche Steigerung der Güte erzielen, weil z.B. Constraint 1 besser vom Typ A profitiert, aber die Zielfunktion besser mit Typ B zu modellieren ist. Wir haben unseren Ansatz auf einer bekannten Benchmark-Suite von Optimierungsproblemen erfolgreich getestet.

Eine etwas mehr ins technische Detail gehende Darstellung findet sich in der englischen Version dieses Blog-Beitrages. Das ganze Paper (auch in Englisch) kann von http://www.gm.fh-koeln.de/~konen/Publikationen/Bagh16-SSCI.pdf bezogen werden. Falls Sie auch auf der Konferenz SSCI 2016 sind, verpassen Sie nicht unseren Vortrag wink

 

Samineh Bagheri ist wissenschaftliche Mitarbeiterin an der TH Köln und PhD-Kandidatin an der Universität Leiden, mit der uns eine enge Partnerschaft verbindet. Prof. Wolfgang Konen betreut ihre Arbeit hier am Campus Gummersbach als Leiter der Forschungsstelle CIOP (Computational Intelligence und Optimierung).