Refine
Year of publication
Document Type
- Report (54) (remove)
Has Fulltext
- yes (54)
Keywords
- Forschungsbericht (20)
- Optimierung (12)
- Forschung (9)
- Modellierung (8)
- Research Report (8)
- Soft Computing (8)
- Versicherungswirtschaft (7)
- Forschungsstelle Versicherungsmarkt (5)
- Institut für Versicherungswesen (5)
- Evolutionärer Algorithmus (4)
- Forschungsstelle FaRis (4)
- Globale Optimierung (4)
- Hochschule (4)
- Optimization (4)
- Versicherungsrecht (4)
- Versicherungswissenschaft (4)
- Wirtschaftswissenschaften (4)
- Forschungsstelle Versicherungsrecht (3)
- Genetic Programming (3)
- Genetisches Programmieren (3)
- Maschinelles Lernen (3)
- Mehrkriterielle Optimierung (3)
- Metaheuristik (3)
- Sequential Parameter Optimization (3)
- Sequentielle Parameter Optimierung (3)
- Versicherung (3)
- Versicherungsmathematik (3)
- Versicherungswesen (3)
- Computational Intelligence (2)
- Ensemble Methods (2)
- Evolutionary Algorithms (2)
- Evolutionsstrategie (2)
- Evolutionäre Algorithmen (2)
- Forschungsschwerpunkt Rückversicherung (2)
- Genetische Algorithmen (2)
- IVW Köln (2)
- Kölner Forschungsstelle Rückversicherung (2)
- Multi-Criteria Optimization (2)
- Multiobjective Optimization (2)
- Optimierungsproblem (2)
- Prognose (2)
- Regression (2)
- Rückversicherung (2)
- Simulation (2)
- Sozialmanagement (2)
- Surrogat-Modellierung (2)
- Surrogate Modeling (2)
- Surrogate Models (2)
- Versuchsplanung (2)
- Zeitreihenanalyse (2)
- Aktuare (1)
- Algorithm Tuning (1)
- Algorithmus (1)
- Automated Learning (1)
- Autowerkstätten (1)
- Bayesian Learning (1)
- Bayesian Regression (1)
- COVID-19 (1)
- Co-Kriging (1)
- Cyber-physische Produktionssysteme (1)
- Cyclone Dust Separator (1)
- Data Analysis (1)
- Data Mining (1)
- Data Modelling (1)
- Datenanalyse (1)
- Datenschutz (1)
- Deutsche Aktuarvereinigung (1)
- Digitalisierung (1)
- Ensemble based modeling (1)
- Enterprise 2.0 (1)
- Entstauber (1)
- Event Detection (1)
- Evolution Strategies (1)
- Evolutionsstrategien (1)
- Expected Improvement (1)
- Experiment (1)
- Experimental Algorithmics (1)
- FaRis (1)
- Fehlende Daten (1)
- Finanzwirtschaft (1)
- Flushing (1)
- Forschungsstelle (1)
- Function Approximation (1)
- Gaussian Process (1)
- Genetic Algorithms (1)
- Genetic programming (1)
- Genetische Programmierung (1)
- Heuristics (1)
- Imputation (1)
- Innovationsakzeptanz (1)
- Institute for Insurance Studies (1)
- Klassifikation (1)
- Kognitive Referenzarchitektur (1)
- Kraftfahrtversicherung (1)
- Kriging (1)
- Lineare Regression (1)
- Machine Learning (1)
- Marketing (1)
- Massive Online Analysis (1)
- Metamodel (1)
- Metamodell (1)
- Missing Data (1)
- Mixed Models (1)
- Model Selection (1)
- Modeling (1)
- Modelling (1)
- Multi-criteria Optimization (1)
- Netzwerk (1)
- Netzwerkberatung (1)
- Netzwerke (1)
- Notrufsystem (1)
- On-line Algorithm (1)
- Pannendienst (1)
- Parametertuning (1)
- Produktentwicklungsprozess (1)
- R (1)
- SPOT (1)
- Sensortechnik (1)
- Simulated annealing (1)
- Software (1)
- Soziale Software (1)
- Sozialraum (1)
- Spülen (1)
- Stacked Generalization (1)
- Statistics (1)
- Surrogate (1)
- Surrogate Model (1)
- Surrogate Optimization (1)
- Surrogate-Model-Based Optimization (1)
- Surrogate-model-based Optimization (1)
- Surrogatmodellbasierte Optimierung (1)
- System Identification (1)
- Systemidentifikation (1)
- Taxonomie (1)
- Taxonomy (1)
- Telematik (1)
- Time-series (1)
- Trinkwasserversorgung (1)
- Unsicherheit (1)
- Versciherungsmathematik (1)
- Vorverarbeitung (1)
- Wasserwirtschaft (1)
- Water Distribution Systems (1)
- Water Quality Monitoring (1)
- Wiki (1)
- Wissensmanagement (1)
- Wissensmanagement in der Versicherungsbranche (1)
- Zeitreihe (1)
- Zylon Enstauber (1)
- classification (1)
- eCall (1)
- faris (1)
- model-assisted optimization (1)
- modellbasierte Optimierung (1)
- regression (1)
Institute
- Fakultät 04 / Institut für Versicherungswesen (16)
- Fakultät 10 / Institut für Informatik (13)
- Fakultät 04 / Schmalenbach Institut für Wirtschaftswissenschaften (9)
- Fakultät für Informatik und Ingenieurwissenschaften (F10) (8)
- Fakultät 01 / Institut für Sozialpolitik und Sozialmanagement (4)
- Fakultät 10 / Institut für Data Science, Engineering, and Analytics (2)
Ziel des Forschungsprojektes "Mehrkriterielle CI-basierte Optimierungsverfahren für den industriellen Einsatz" (MCIOP) war die Verringerung von Schadstoffemissionen in Kohlekraftwerken. Der wissenschaftliche Fokus lag auf der Entwicklung von Methoden, die in der Lage sind, interpretierbare Modelle für die Schadstoffemissionen automatisch zu generieren. Hierzu wurden mehrkriterielle Optimierungsverfahren entwickelt und eingesetzt. Zur Zeit- und Kostenreduktion wurde die Optimierung durch Surrogat-Modelle erfolgen, die abgestuft mit aufwändigeren Simulationen zum Einsatz kamen („optimization via simulation“). Bei der Untersuchung von Staubabscheidern konnten durch eine mehrkriterielle Optimierung unterschiedliche Zielgrößen, wie z.B. Abscheidegrad und Druckverlust, gleichzeitig berücksichtigt werden.
Dieser Bericht beschreibt die im Projekt MCIOP im Zeitraum von August 2011 bis einschließlich Juni 2015 erzielten Ergebnisse.
Formerly, multi-criteria optimization algorithms were often tested using tens of thousands function evaluations. In many real-world settings function evaluations are very costly or the available budget is very limited. Several methods were developed to solve these cost-extensive multi-criteria optimization problems by reducing the number of function evaluations by means of surrogate optimization. In this study, we apply different multi-criteria surrogate optimization methods to improve (tune) an event-detection software for water-quality monitoring. For tuning two important parameters of this software, four state-of-the-art methods are compared: S-Metric-Selection Efficient Global Optimization (SMS-EGO), S-Metric-Expected Improvement for Efficient Global Optimization SExI-EGO, Euclidean Distance based Expected Improvement Euclid-EI (here referred to as MEI-SPOT due to its implementation in the Sequential Parameter Optimization Toolbox SPOT) and a multi-criteria approach based on SPO (MSPOT). Analyzing the performance of the different methods provides insight into the working-mechanisms of cutting-edge multi-criteria solvers. As one of the approaches, namely MSPOT, does not consider the prediction variance of the surrogate model, it is of interest whether this can lead to premature convergence on the practical tuning problem. Furthermore, all four approaches will be compared to a simple SMS-EMOA to validate that the use of surrogate models is justified on this problem.
In this paper we present a comparison of different data driven modeling methods. The first instance of a data driven linear Bayesian model is compared with several linear regression models, a Kriging model and a genetic programming model.
The models are build on industrial data for the development of a robust gas sensor.
The data contain limited amount of samples and a high variance.
The mean square error of the models implemented in a test dataset is used as the comparison strategy.
The results indicate that standard linear regression approaches as well as Kriging and GP show good results,
whereas the Bayesian approach, despite the fact that it requires additional resources, does not lead to improved results.
Modelling Zero-inflated Rainfall Data through the Use of Gaussian Process and Bayesian Regression
(2018)
Rainfall is a key parameter for understanding the water cycle. An accurate rainfall measurement is vital in the development of hydrological models. By means of indirect measurement, satellites can nowadays estimate the rainfall around the world. However, these measurements are not always accurate. As a first approach to generate a bias-corrected rainfall estimate using satellite data, the performance of Gaussian process and Bayesian regression is studied. The results show Gaussian process as the better option for this dataset but leave place to improvements on both modelling strategies.
Angetrieben durch technische Innovationen und den Prozess der Globalisierung tendieren Organisationen seit rund einem Jahrzehnt dazu, Kooperationsnetzwerke mit anderen Unternehmen höher zu gewichten als die Arbeit in monobetrieblichen Strukturen. Diese Tendenz zeigt sich sowohl in bedarfswirtschaftlichen als auch erwerbswirtschaftlichen Organisationen. Beide „organisationalen Felder“ sind in verschiedene organisationale Kontexte eingebettet und verfolgen Kooperationsstrategien, die zu unterschiedlichen Kooperationsmustern führen. Um das Fachwissen über netzwerkorientierte Organisationsentwicklung weiter zu entwickeln und marktfähig zu machen, wurde an der Fachhochschule Köln ein interdisziplinäres Forschungsprojekt initiiert. An dem Forschungsvorhaben sind die Fakultäten für angewandte Sozialwissenschaften, für Wirtschaftswissen-schaften und für Fahrzeugsysteme und Produktion beteiligt, die unterschiedliche organisationale Felder repräsentieren. Die Fakultät für angewandte Sozial-wissenschaften fokussiert auf bedarfswirtschaftliche Organisationen im Feld der Sozialwirtschaft. Im Blickfeld der Fakultäten für Wirtschaftswissenschaften und für Fahrzeugsysteme und Produktion stehen erwerbswirtschaftliche Organisationen aus den Feldern der mittelständischen Wirtschaft und der Mobilitätswirtschaft. Im Verlauf des Forschungsprozesses wurden (1) im Rahmen einer Situationsanalyse eine quantitative Befragung von Profit- und Non-Profit-Organisationen in Nordrhein-Westfalen durchgeführt und Ergebnisse zum Stellenwert der Netzwerk-organisation in den aktuellen Organisationsstrategien und -konzepten gewonnen. Durch vertiefende qualitative Fallanalysen in Form von Bedarfsanalysen (2) sind Erfolgsfaktoren und Unterstützungsbedarfe bei einer Einbindung von Organisationen in eine Netzwerkkooperation aufgedeckt worden. In diesem Bericht erfolgt (3) die Beschreibung und Begründung induktiv abgeleiteter Beratungs-instrumente. Dafür werden zunächst relevante Forschungsergebnisse zusammengefasst und anschließend die von ihnen abgeleiteten Erfolgsfaktoren sowie Beratungs- und Unterstützungsbedarfe tabellarisch geclustert. Auf dieser Grundlage werden die Entwicklung von Beratungs- und Unterstützungsinstrumenten und die Modifizierung bestehender Ansätze für die Netzwerkberatung - differenziert nach den besonderen Anforderungen des bedarfswirtschaftlichen und des erwerbs-wirtschaftlichen Bereiches - theoretisch begründet. Die entwickelten Beratungsinstrumente werden nach Netzwerkentwicklungsphasen katalogisiert. Zusätzlich wird angegeben, was das jeweilige Instrument leistet und wo seine Grenzen sind. Zudem erfolgt für jedes Instrument die detaillierte Beschreibung der Ziele und des Anwendungsprozesses. Schließlich werden ausgewählte Module Beratungsinstrumente in zwei der drei organisationalen Felder zur Anwendung gebracht. Ziel ist die Beschreibung eines Best-Practice-Beratungsprozesses.
Evolutionary algorithm (EA) is an umbrella term used to describe population-based stochastic direct search algorithms that in some sense mimic natural evolution. Prominent representatives of such algorithms are genetic algorithms, evolution strategies, evolutionary programming, and genetic programming. On the basis of the evolutionary cycle, similarities and differences between these algorithms are described. We briefly discuss how EAs can be adapted to work well in case of multiple objectives, and dynamic or noisy optimization problems. We look at the tuning of algorithms and present some recent developments coming from theory. Finally, typical applications of EAs to real-world problems are shown, with special emphasis on data-mining applications
In den Kommunen wird ein vernetztes, integriertes Handeln durch eine institutionelle Zergliederung der Daseinsvorsorge in eine Vielzahl funktionaler Teilaufgaben behindert. In der Folge dieser Fragmentierung erfahren die Adressaten soziale Dienstleistungen in den Sozialräumen ihres Stadtteils oder Stadtteils funktions- und hierarchiebezogen – d.h. vertikal und horizontal – getrennt. Wegen der Barrieren des engen Ressortdenkens und der fehlenden Transparenz agieren die professionellen Akteure relativ isoliert auf den „operativen Inseln“ fachlicher Zuständigkeiten. Gemeinsame Schnittstellen werden kaum wahrgenommen, was zum Aufbau von ineffizienten Doppelstrukturen und Mehrfachangeboten geführt hat. Vor diesem Hintergrund besteht die innovative Idee darin, in der Kommune eine wirkungsvolle und effiziente Netzwerkversorgung zwischen isolierten Agenturen, professionellen Dienstleistern und ehrenamtlich engagierter Bürger/innen zu entwickeln. Denn das dafür erforderliche organisatorische Verfahren der Netzwerkkooperation, das im Profitbereich bereits seit den 90er Jahren etabliert ist (vgl. Zulieferernetze der Mobilitätsindustrie) wartet im Non-Profit-Sektor noch auf die systematische Einführung. Die wissenschaftlichen und sozialpolitischen Diskurse des letzten Jahrzehnts verdeutlichen jedoch vermehrt den hohen Bedarf einer vernetzungsorientierten Organisationsentwicklung der kommunalen Daseinsvorsorge und ihrer Verwaltungsagenturen. Auf der Ebene der Sozialräume von Stadtteilen und Stadtbezirken, aber auch innerhalb der zentralen Kommunalverwaltung sollen aus diesem Grund sowohl Hierarchiebarrieren zwischen Die Qualitätsentwicklung hängt entscheidend davon ab, ob diese Barrieren überwunden werden und sowohl eine integrierte Vorgehensweise der professionellen Akteure gefunden wird als auch der Anschluss an die zivilgesellschaftlichen Potenziale gelingt. Vor diesem Hintergrund untersucht das Projekt „CityNet“ die Koordination professioneller und ehrenamtlicher Interventionen verschiedener Ressorts, um die individuellen und sozialen Bedürfnisse der Bevölkerung wirkungsvoll und effizient zu sichern. Im Ergebnis werden Instrumente der „Netzwerkplanung“ entwickelt, mit denen die bisher isolierten Leistungen der einzelnen Infrastrukturen und Dienstleistungsanbieter im Sozialraum miteinander bedarfsorientiert und adressatenfokussiert verbunden werden.
Sequential Parameter Optimization is a model-based optimization methodology, which includes several techniques for handling uncertainty. Simple approaches such as sharp- ening and more sophisticated approaches such as optimal computing budget allocation are available. For many real world engineering problems, the objective function can be evaluated at different levels of fidelity. For instance, a CFD simulation might provide a very time consuming but accurate way to estimate the quality of a solution.The same solution could be evaluated based on simplified mathematical equations, leading to a cheaper but less accurate estimate. Combining these different levels of fidelity in a model-based optimization process is referred to as multi-fidelity optimization. This chapter describes uncertainty-handling techniques for meta-model based search heuristics in combination with multi-fidelity optimization. Co-Kriging is one power- ful method to correlate multiple sets of data from different levels of fidelity. For the first time, Sequential Parameter Optimization with co-Kriging is applied to noisy test functions. This study will introduce these techniques and discuss how they can be applied to real-world examples.
Cyclone Dust Separators are devices often used to filter solid particles from flue gas. Such cyclones are supposed to filter as much solid particles from the carrying gas as possible. At the same time, they should only introduce a minimal pressure loss to the system. Hence, collection efficiency has to be maximized and pressure loss minimized. Both the collection efficiency and pressure loss are heavily influenced by the cyclones geometry. In this paper, we optimize seven geometrical parameters of an analytical cyclone model. Furthermore, noise variables are introduced to the model, representing the non-deterministic structure of the real-world problem. This is used to investigate robustness and sensitivity of solutions. Both the deterministic as well as the stochastic model are optimized with an SMS-EMOA. The SMS-EMOA is compared to a single objective optimization algorithm. For the harder, stochastic optimization problem, a surrogate-model-supported SMS-EMOA is compared against the model-free SMS-EMOA. The model supported approach yields better solutions with the same run-time budget.
SOMA - Systematische Optimierung von Modellen in IT- und Automatisierungstechnik (Schlussbericht)
(2013)
Das im Rahmen der Förderlinie IngenieurNachwuchs geförderte Forschungsvorhaben Systematische Optimierung von Modellen für Informations- und Automatisierungs-technik (kurz: SOMA) startete im August 2009. Eine wesentliche Zielsetzung war die Entwicklung und Optimierung von Modellen zur Prognose von Zielgrößen. Ein wichtiges Merkmal ist dabei die effiziente Optimierung dieser Modelle, welche es ermöglichen soll, mit einer streng limitierten Anzahl an Auswertungen gute Parametereinstellungen zu bestimmen. Mithilfe dieser genaueren Parametrierungen der unterliegenden Modelle können unter Einbeziehung neuer merkmalserzeugender Verfahren insbesondere für kleine und mittelständische Unternehmen verbesserte Lösungen erzielt werden. Als direkter Gewinn derartiger Verbesserungen konnte für KMUs ein geeignetes Framework für Modellierungs- und Prognoseaufgaben be- reitgestellt werden, sodass mit geringem technischem und personellen Aufwand performante und nahezu optimale Lösungen erzielt werden können. Dieser Schluss-bericht beschreibt die im Projekt durchgeführten Maßnahmen und Ergebnisse.