Intelligente Algorithmenwahl durch Optimierung nomineller Parameter
- Type:Bachelorarbeit
- Supervisor:
- Person in Charge:Sigmar Walter
- Add on:
Finished
-
Um automatisches Parametertuning für breitere Anwendungsgebiete attraktiv zu machen, ist eine Unterstützung von Parameterräumen beliebiger Beschaffenheit unabdingbar. Daher wird eine effiziente Lösungsstrategie für Optimierungsprobleme auf Parameterräumen mit nominellen Parametern dringend benötigt. Ein möglicher Ansatz hierzu ist das Herauslösen der nominellen Parametern aus dem Parameterraum. Während die ordinalen Parameter von einem Nelder-Mead Parametertuner optimiert werden, müssen dafür neu zu entwerfende Tuningstrategien die nominellen Parameter gesondert optimieren. Diese Arbeit befasst sich mit der grundsätzlichen Machbarkeit dieses Ansatzes anhand eines Teilproblems der nominellen Parametern, der Intelligenten Algorithmenwahl. Es wurden sieben Tuningstrategien vorgeschlagen und hinsichtlich ihrer Tauglichkeit in drei verschiedenen Testszenarien untersucht. Es konnte die Eignung dreier Strategien für eine isolierte Algorithmenwahl und für eine Kombination aus Parametertuning und Algorithmenwahl festgestellt werden. Im Hinblick auf die Nutzung für nominelle Parameter konnten offene Fragestellungen identifiziert und weitere Verbesserungen an den Strategien entworfen werden, die abschließend vorgestellt werden.