Multi-Criteria Optimization and Decision Analysis for Embedded Systems Design

Diese Veranstaltung besteht aus einem Vorlesungsteil und einem zugehörigen Praktikum.

Vorlesungsteil

Vortragende/r (Mitwirkende/r)
Umfang2 SWS
SemesterWintersemester 2018/19
UnterrichtsspracheEnglisch
Stellung in StudienplänenSiehe TUMonline

Termine

Teilnahmekriterien & Anmeldung

Siehe TUMonlineFirst come first served

Lernziele

Nach erfolgreichem Abschluss dieses Module - verstehen die Studenten die Berücksichtigung mehrerer Kriterien beim Design eingebetteter Systeme und die zugehörigen Herausforderungen, - können die zugehörigen Probleme analysieren und modellieren, - verstehen, wie unterschiedliche (mehrdimensionale) Optimierungsmethoden funktionieren, und können die - abhängig von der Problemstellung - am beste(n) geeignete(n) Methode auswählen und anwenden, - verstehen, wie unterschiedliche (multikriteriellen) Entscheidungsverfahren funktionieren, und können die am beste(n) geeignete(n) Methode auswählen und anwenden sowie die vom Optimierungsprozess erhaltenen Ergebnisse analysieren.

Beschreibung

Inhalt der Vorlesung: 1. Einführung in die Berücksichtigung mehrerer Kriterien beim Design eingebetteter Systeme - Notwendigkeit von mehreren Kriterien - Modellierung und Herausforderungen 2. Optimierungsmethoden - Lineare Programmierung - Meta-Heuristiken (z.B. Genetische Algorithmen, Simulated Annealing) - Mehrdimensionale Optimierung für die Entwurfsraumexploration 3. Entscheidungsverfahren - Entscheidungstheorie - Multikriterielle Entscheidungsanalyse - Spieltheorie - Entscheidung unter Risiko und Unsicherheit

Inhaltliche Voraussetzungen

- Datenstrukturen - Grundlegende Programmierkenntnisse in Python oder Matlab; alternativ C/C++ oder Java - Grundkenntnisse von Wahrscheinlichkeitsrechnung und Statistik (Wahrscheinlichkeitsaxiome und -theoreme, z.B. Bayes-Theorem und dessen Anwendung; typische Wahrscheinlichkeitsverteilungen, z.B. exponentiell, Gauss, etc.)

Lehr- und Lernmethoden

In den Vorlesungen werden die technischen Inhalte mittels Vortrag und PowerPoint Präsentation eingeführt und unmittelbar anhand kleinerer Beispiele oder Herleitungen veranschaulicht, die mit Hand in die Folien eingefügt werden. Zudem werden Studierende aktiv zu Fragen animiert. Zusätzlich zu den individuellen Lernmethoden der Studenten wird das theoretische Wissen mittels Praktikumsübungen auf die Ebene der praktischen Anwendung überführt. Diese Übungen werden auf Computern (unter Anleitung des Dozenten) durchgeführt und vertiefen zusätzlich die Vorlesungsinhalte. Das vollständige Material zur Veranstaltung wird den Studierenden über Moodle verfügbar gemacht.

Studien-, Prüfungsleistung

Schriftliche Prüfung (75 Minuten): Die Studenten werden über eine schriftliche Abschlussklausur geprüft, in der sie nachweisen, dass sie die Berücksichtigung mehrerer Kriterien beim Design eingebetteter Systeme verstanden haben und dieses Prinzip bei der Analyse, Modellierung, Optimierung und Entscheidungsfindung anwenden können. Die Fragen decken sowohl den in der Vorlesung vermittelten theoretischen Hintergrund ab als auch Übungsbeispiele aus der Vorlesung und dem Praktikum. Die Prüfung dauert 75 Minuten ohne Hilfsmittel. Die Gesamtnote ergibt sich als gewichteter Mittelwert der schriftlichen Klausur (60%) und dem Praktikumsanteil (40%).

Empfohlene Literatur

Optionale Literaturempfehlungen: - XS. Yangi, "Engineering Optimization: An Introduction with Metaheuristic Applications", Wiley 2010 - EG. Talbi, "Metaheuristics: From Design to Implementation", Wiley 2009 - S. Greco, M. Ehrgott, J.R. Figueira (Eds.), "Multiple Criteria Decision Analysis: State of the Art Surveys", Springer 2016

Links

Praktikumsteil

Vortragende/r (Mitwirkende/r)
Umfang2 SWS
SemesterWintersemester 2018/19
UnterrichtsspracheEnglisch
Stellung in StudienplänenSiehe TUMonline
TermineSiehe TUMonline

Termine

Teilnahmekriterien & Anmeldung

Siehe TUMonlineFirst come first served

Beschreibung

Inhalt des Praktikums: Die Vorlesungsinhalte werden im begleitenden Praktikum mit besonderem Fokus auf realistische Probleme beim Design eingebetteter Systeme angewendet. Die Studenten müssen die folgenden Aufgaben durchführen: Problemabstraktion und Modellierung, Auswahl eines Algorithmus und dessen Implementierung sowie multikriterielle Entscheidungsfindung und Analyse. Dabei werden sowohl funktionale als auch nicht-funktionale Aspekte berücksichtigt. Der Optimierungsprozess wird in einzelnen, aufeinander aufbauenden Schritten durchgeführt.

Studien-, Prüfungsleistung

Praktikum: Die Arbeit in Gruppen von 2-3 Teilnehmern wird bewertet, wobei sie nachweisen sollen, dass sie realistische Optimierungsprobleme aus einem aktuellen Forschungsgebiet lösen können. Aufgrund der dabei typisch auftretenden Problemgrößen ist dies im Rahmen der schriftlichen Prüfung nicht möglich. Die Bewertung erfolgt anhand abzugebender Hausaufgaben und einer anschließenden Diskussion. Die Gesamtnote ergibt sich als gewichteter Mittelwert der schriftlichen Klausur (60%) und dem Praktikumsanteil (40%).

Links