Thema3005: Unterschied zwischen den Versionen
Lko (Diskussion | Beiträge) (Die Seite wurde neu angelegt: „{{Abschlussarbeit |Abschlussarbeitstyp=Bachelor, Master, Diplom, Studienarbeit |Titel=Neuro-Evolution in Roboterschwärmen |Abschlussarbeitsstatus=Offen |Beschrei…“) |
Lko (Diskussion | Beiträge) K |
||
Zeile 3: | Zeile 3: | ||
|Titel=Neuro-Evolution in Roboterschwärmen | |Titel=Neuro-Evolution in Roboterschwärmen | ||
|Abschlussarbeitsstatus=Offen | |Abschlussarbeitsstatus=Offen | ||
− | |Beschreibung DE= | + | |Beschreibung DE=Motivation |
− | Motivation | ||
--------- | --------- | ||
Für eine große Bandbreite von Applikationen, wäre es wünschenswert, sie von Robotern und Roboterschwärmen ausführen lassen zu können. Beim Programmieren von Robotern ergeben sich mit wachsender Komplexität jedoch immer größere Herausforderungen und für viele Anwendungen ist keine Lösung mithilfe eines klassischen algorithmischen Ansatzes bekannt. Die evolutionäre Robotik bietet eine Alternative zur manuellen Programmierung von Robotern. Dabei wird ein Zielverhalten definiert, das der Schwarm durch einen evolutionären Prozess selbstständig lernt. Ein kritischer Punkt ist dabei die Wahl der Controller-Repräsentation, also die Art der Programme, die die Roboter ausführen können. Künstliche Neuronale Netze haben in vielen Lernszenarios gezeigt, dass sie in der Lage sind, komplexe Lösungen für schwierige Aufgaben zu finden. | Für eine große Bandbreite von Applikationen, wäre es wünschenswert, sie von Robotern und Roboterschwärmen ausführen lassen zu können. Beim Programmieren von Robotern ergeben sich mit wachsender Komplexität jedoch immer größere Herausforderungen und für viele Anwendungen ist keine Lösung mithilfe eines klassischen algorithmischen Ansatzes bekannt. Die evolutionäre Robotik bietet eine Alternative zur manuellen Programmierung von Robotern. Dabei wird ein Zielverhalten definiert, das der Schwarm durch einen evolutionären Prozess selbstständig lernt. Ein kritischer Punkt ist dabei die Wahl der Controller-Repräsentation, also die Art der Programme, die die Roboter ausführen können. Künstliche Neuronale Netze haben in vielen Lernszenarios gezeigt, dass sie in der Lage sind, komplexe Lösungen für schwierige Aufgaben zu finden. | ||
Zeile 15: | Zeile 14: | ||
--------- | --------- | ||
Java oder C++ | Java oder C++ | ||
+ | |||
Kenntnisse in künstl. neuronalen Netzen | Kenntnisse in künstl. neuronalen Netzen | ||
Zeile 21: | Zeile 21: | ||
Studierende aller Fachrichtungen, insbesondere Informatik, Elektrotechnik, Wirtschaftsingenieurwesen und Informationswirtschaft | Studierende aller Fachrichtungen, insbesondere Informatik, Elektrotechnik, Wirtschaftsingenieurwesen und Informationswirtschaft | ||
|Betreuer=Lukas König | |Betreuer=Lukas König | ||
− | |Ausschreibung=DA-Repräsentationen.pdf, | + | |Ausschreibung=DA-Repräsentationen.pdf, |
|Forschungsgruppe=Effiziente Algorithmen | |Forschungsgruppe=Effiziente Algorithmen | ||
}} | }} |
Version vom 26. Oktober 2009, 10:15 Uhr
Abschlussarbeitstyp: Bachelor, Master, Diplom, Studienarbeit
Betreuer: Lukas König
Forschungsgruppe: Effiziente Algorithmen
Archivierungsnummer: 3005
Abschlussarbeitsstatus: Offen
Beginn: unbekannt
Abgabe: unbekannt
Motivation
Für eine große Bandbreite von Applikationen, wäre es wünschenswert, sie von Robotern und Roboterschwärmen ausführen lassen zu können. Beim Programmieren von Robotern ergeben sich mit wachsender Komplexität jedoch immer größere Herausforderungen und für viele Anwendungen ist keine Lösung mithilfe eines klassischen algorithmischen Ansatzes bekannt. Die evolutionäre Robotik bietet eine Alternative zur manuellen Programmierung von Robotern. Dabei wird ein Zielverhalten definiert, das der Schwarm durch einen evolutionären Prozess selbstständig lernt. Ein kritischer Punkt ist dabei die Wahl der Controller-Repräsentation, also die Art der Programme, die die Roboter ausführen können. Künstliche Neuronale Netze haben in vielen Lernszenarios gezeigt, dass sie in der Lage sind, komplexe Lösungen für schwierige Aufgaben zu finden.
Ziel
Entwurf und Implementierung eines verteilten evolutionären Algorithmus aufbauend auf einer bestehenden Plattform für evolutionäre Schwarm-Robotik. Als Controller-Representation sollen Künstliche Neuronale Netze gewählt werden. Implementierung und Experimente können in der Simulation oder auf realen Robotern erfolgen.
Voraussetzungen
Java oder C++
Kenntnisse in künstl. neuronalen Netzen
Zielgruppe
Studierende aller Fachrichtungen, insbesondere Informatik, Elektrotechnik, Wirtschaftsingenieurwesen und Informationswirtschaft
Ausschreibung: Download (pdf)