Selbst-adaptive Evolutionsstrategie für ein Industrie-Auslegungsproblem
Übersicht
Worum es bei diesem Projekt geht.
Du bekommst ein Python-Simulationsmodell des Wärmetauschers (Black-Box-Funktion, ein Eval-Aufruf dauert ca. 15 Sekunden), 12 Parameter mit Bound-Constraints und eine Bewertungsfunktion (Wärmeübertragungsleistung minus Druckverlust-Strafterm). Implementiere CMA-ES, vergleiche mit Random Search und einem klassischen Gradienten-freien Solver (z. B. Nelder-Mead). Berichte Konvergenzkurven, beste gefundene Auslegung und CPU-Aufwand. Liefere reproduzierbare Pipeline und einen 3-seitigen Bericht für das Konstruktions-Team.
Das Briefing
Was Du tust und was Du zeigst.
Optimiere die 12-dimensionale Wärmetauscher-Auslegung per CMA-ES mit weniger Simulations-Calls als Random Search und Nelder-Mead bei gleicher oder besserer Lösung.
Earning criteria — what you'll demonstrate
- Selbst-adaptive Evolutionsstrategien (CMA-ES) auf reale Black-Box-Probleme anwenden
- Bound-Constraints und Strafterme korrekt in eine Evolutionsstrategie integrieren
- Drei Optimierer fair auf Simulations-Call-Budget vergleichen
- Optimierungs-Ergebnisse so dokumentieren, dass Konstrukteur:innen sie übernehmen können
Studienpassung
Wo dies in Dein Studium passt.
Schärft dieselben Fähigkeiten, die Dein Studium von Dir erwartet.
Fähigkeiten
Fähigkeiten, die Du unter Beweis stellst.
Jede taucht auf Deinem verifizierten Zertifikat auf.
Karrieren
Berufe, auf die dies Dich vorbereitet.
Echte Berufsbezeichnungen. Echte Skill-Brücken. Wähle die, die Deinem Werdegang am nächsten kommt.
Karrierewege, die das aufbaut
Kanonische RollenML-Ingenieur:in
Black-Box-Optimierung mit selbst-adaptiven Verfahren und reproduzierbarem Eval-Setup ist genau die Kompetenz, mit der ML-Ingenieurinnen in Engineering-Teams Wirkung erzielen.
Dieses Projekt schärft
- evolution-strategies
- cma-es
- python
Forschungswissenschaftler:in
Selbst-adaptive Optimierung sauber gegen klassische Solver zu benchmarken ist anschlussfähig an Forschungspositionen in OR und industrieller KI.
Dieses Projekt schärft
- evolution-strategies
- black-box-optimization
- benchmarking
Angewandte:r KI-Wissenschaftler:in
Den Bogen von einer Black-Box-Simulation bis zu einer Konstruktions-Empfehlung zu schlagen ist täglich Brot angewandter KI-Wissenschaftlerinnen in der Industrie.
Dieses Projekt schärft
- black-box-optimization
- self-adaptation
- benchmarking
Noch eine Sache