Swarm Intelligence

Lecturer:

Prof. Dr. rer. nat. Rolf Wanka

Module handbook:

Swarm Intelligence

Timeframe:

V2 + Ü2, 5 ECTS

Fields of study:

  • Computer Science
  • Medical Engineering
  • IuK
  • Computational Engineering
  • … and others

Place and time of the lecture:

Thursday, 12:15 – 13:45

Exercise group leader:

Matthias Kergaßner

Place and time of the exercises:

Tuesday, 10:15 – 11:45
Wednesday, 10:15 – 11:45

Dates

  • 15.04.2021: Start of the lectures
  • 20.04.2021: Start of the exercises
  • 13.05.2021: No lecture (Christi Himmelfahrt)
  • 25.05.2021: No exercise (Pfingsten)
  • 03.06.2021: No lecture (Fronleichnam)

Due to Corona restrictions the lectures and exercises take place via webconference. Therefore, please join our StudOn course as described below in order to receive further information.

Course registration:

Please join our StudOn course. This is not your exam registration, but allows us to communicate the latest information about this course.

Short description:

In this lecture the basic priciples, techniques and first methods of analysis of Swarm Intelligence are shown.

Contents:

Unter Organic Computing (OC) versteht man den Entwurf und den Einsatz von selbst-organisierenden Systemen, die sich den jeweiligen Umgebungsbedürfnissen dynamisch anpassen. Diese Systeme zeichnen sich dadurch aus, dass sie die sog. Self-*-Eigenschaft besitzen, d.h. sie sind selbst-konfigurierend, selbst-optimierend, selbst-heilend, selbst-schützend, selbst-erklärend, …

Als Vorbild für solche technischen Systeme werden Strukturen und Methoden biologischer und anderer natürlicher Systeme gewählt.

Im Einzelnen werden behandelt:

  • OC-Prinzipien
    • Self-*-Eigenschaften
    • Emergenz, Autonomie, Föderation, Selbstorganisation, …
  • OC-Techniken und ihrIn this lecture the basic priciples, techniques and first methods of analysis of Swarm Intelligence are shown.e Analyse
    • Partikelschwarmoptimierung
    • Messen von Emergenz: Websuche mit dem HITS- und dem Pagerank-Algorithmus
      Die Folien zum HITS-Algorithmus
    • Ameisen-Systeme: Berechnung kürzester Wege und Rundreisen
    • Genetische Algorithmen
  • OC-Anwendung
    • Die Small World Hypothesis und das Internet
    • Peer-to-Peer-Netzwerke
      • Napster, Gnutella
      • Das CAN-Netzwerk (Content Addressable Network)
      • Das Viceroy-Netzwerk

Literatur zum ersten Teil der Vorlesung (Prinzipien und Techniken):

  • Ch. Müller-Schloer, S. Tomforde. Organic Computing- Technical Systems for Survival in the Real World. Birkhäuser, 2018.
    [doi:10.1007/978-3-319-68477-2]
  • Ch. Müller-Schloer, Ch. von der Malsburg, R. P. Würt. Organic Computing. Informatik-Spektrum, Band 27, Nummer 4, S. 332-336.
    [doi:10.1007/s00287-004-0409-6]
  • Ch. Müller-Schloer, H. Schmeck. Organic Computing: A Grand Challenge for Mastering Complex Systems. it – Information Technology 52 (2010) 135-141. [doi:10.1524/itit.2010.0582]
  • Partikelschwarm-Forschung in Erlangen
  • I. C. Trelea. The particle swarm optimization algorithm: convergence analysis and parameter selection. Information Processing Letters 85 (2003) 317-325.
    [doi:10.1016/S0020-0190(02)00447-7]
  • M. Jiang, Y. P. Luo, S. Y. Yang. Stochastic convergence analysis and parameter selection of the standard particle swarm optimization algorithm. Information Processing Letters 102 (2007) 8-16.
    [doi:10.1016/j.ipl.2006.10.005]
  • M. Clerc. Discrete particle swarm optimization. pdf-File, zip-ed
  • M. Dorigo. V. Maniezzo. A Colorni. Ant system: an autocatalytic optimizing process. Technical Report 91-016, Politecnico di Milano, 1991. (LINK)
  • Zu ANT CYCLE:
    A Colorni. M. Dorigo. V. Maniezzo. An investigation of some properties of an “Ant algorithm”. Proc. Parallel Problem Solving from Nature Conference (PPSN), pp. 509-520, 1992.
    [pdf-File]
  • J. M. Kleinberg. Authoritative sources in a hyperlinked environment. Journal of the ACM 46 (1999) 604-632.
    [doi:10.1145/324133.324140]
  • J. Scharnow, K. Tinnefeld, I. Wegener. The Analysis of Evolutionary Algorithms on Sorting and Shortest Paths Problems. Journal of Mathematical Modelling and Algorithms 3 (2004) 349-366.
    [doi:10.1023/B:JMMA.0000049379.14872.f5]
  • Sabine Helwig. “Survival of the Fittest” – Optimierung mittels Genetischer Algorithmen
  • David E. Goldberg. Genetic Algorithms in Search, Optimization, and Machine Learning. Addison Wesley, 1989.
  • Karsten Weicker. Evolutionäre Algorithmen. Springer/Vieweg. 3. Auflage 2015.
    [doi:10.1007/978-3-658-09958-9]

Folien und Literatur zum zweiten Teil der Vorlesung (Anwendung):

Weitere Literatur:

  • A. Badr. A. Fahmy. A proof of convergence for ant algorithms. Information Sciences 160 (2004) 267-279.
    [doi:10.1016/j.ins.2003.08.018]
  • M. Clerc. J. Kennedy. The particle swarm – Explosion, stability, and convergence in a multidimensional complex space. IEEE Transactions on Evolutionary Computation 8 (2002) 58-73.
    [doi:10.1109/4235.985692]
  • Karsten Weicker. Evolutionäre Algorithmen, Teubner, 2. Aufl. 2007.
    [doi:10.1007/978-3-8351-9203-4]
  • M. Parashar. S. Hariri. Autonomic Computing – Concepts, Infrastructure, and Applications. CRC Press, 2007.

Weitere Unterlagen:

Sources in English

  • Ch. Müller-Schloer, S. Tomforde. Organic Computing- Technical Systems for Survival in the Real World. Birkhäuser, 2018.
    [doi:110.1007/978-3-319-68477-2
  • Ch. Müller-Schloer, H. Schmeck. Organic Computing: A Grand Challenge for Mastering Complex Systems. it – Information Technology 52 (2010) 135-141. [doi:10.1524/itit.2010.0582]
  • I. C. Trelea. The particle swarm optimization algorithm: convergence analysis and parameter selection. Information Processing Letters 85 (2003) 317-325.
    [doi:10.1016/S0020-0190(02)00447-7]
  • J. M. Kleinberg. Authoritative sources in a hyperlinked environment. Journal of the ACM 46 (1999) 604-632.
    [doi:10.1145/324133.324140]