Stage-oe-small.jpg

Thema3005: Unterschied zwischen den Versionen

Aus Aifbportal
Wechseln zu:Navigation, Suche
Zeile 1: Zeile 1:
 
{{Abschlussarbeit
 
{{Abschlussarbeit
|Abschlussarbeitstyp=Bachelor, Master, Diplom, Studienarbeit
+
|Abschlussarbeitstyp=Studienarbeit
 
|Titel=Neuro-Evolution in Roboterschwärmen
 
|Titel=Neuro-Evolution in Roboterschwärmen
|Abschlussarbeitsstatus=Offen
+
|Abschlussarbeitsstatus=Abgeschlossen
 +
|Vorname=Benedikt
 +
|Nachname=Müller
 
|Beschreibung DE=Motivation
 
|Beschreibung DE=Motivation
 
---------
 
---------
Zeile 20: Zeile 22:
 
Studierende aller Fachrichtungen, insbesondere Informatik, Elektrotechnik, Wirtschaftsingenieurwesen und Informationswirtschaft
 
Studierende aller Fachrichtungen, insbesondere Informatik, Elektrotechnik, Wirtschaftsingenieurwesen und Informationswirtschaft
 
|Betreuer=Lukas König
 
|Betreuer=Lukas König
 +
|Beginn=2010/04/29
 +
|Abgabe=2010/07/28
 
|Ausschreibung=DA-Repräsentationen.pdf,
 
|Ausschreibung=DA-Repräsentationen.pdf,
 +
|Ergebnisse=Studienarbeit-Neuroevolution-in-Roboterschwärmen.pdf,
 
|Forschungsgruppe=Effiziente Algorithmen
 
|Forschungsgruppe=Effiziente Algorithmen
 
}}
 
}}

Version vom 23. August 2010, 10:01 Uhr



Neuro-Evolution in Roboterschwärmen


Benedikt Müller



Informationen zur Arbeit

Abschlussarbeitstyp: Studienarbeit
Betreuer: Lukas König
Forschungsgruppe: Effiziente Algorithmen

Archivierungsnummer: 3005
Abschlussarbeitsstatus: Abgeschlossen
Beginn: 29. April 2010
Abgabe: 28. Juli 2010

Weitere Informationen

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)


Download: Download (pdf)