Die sequentielle Parameteroptimierung - Ein Werkzeug zum Tunen von Computerprogrammen Prof. Dr. Thomas Bartz-Beielstein bartz@gm.fh-koeln.de , Tel. 02261/8196-6391 Prof. Dr. Wolfgang Konen wolfgang.konen@fh-koeln.de Dipl.-Inform. Jörg Ziegenhirt joerg.ziegenhirt@fh-koeln.de Abstract: Moderne Verfahren zur Simulation und Optimierung komplexer technischer Vorgänge werden heutzutage computerbasiert durchgeführt. Die erforderlichen Programme erfordern die Auswahl günstiger Einstellungen (Parameter), um möglichst effizient ablaufen zu können. Meistens erfolgt die Parametrisierung des Modells, das sog. Tuning, nach subjektiven Kriterien. Wir demonstrieren, wie eine systematische Vorgehensweise zur Modellselektion mittels SPO (sequentieller Parameteroptimierung) diesen Vorgang objektivieren kann. Diese Vorgehensweise konnte erfolgreich in mehreren theoretischen wie auch praktischen Problemen eingesetzt werden. Zielsetzung Verfahren der Computational Intelligence (CI) haben in den letzten Jahrzehnten einen festen Platz im Repertoire der Simulations- und Optimierungsverfahren erobert. Neuronale Netze (NN), Evolutionsstrategien (ES) oder genetisches Programmieren (GP) – um nur einige CI-Verfahren zu nennen – werden tagtäglich in der industriellen Praxis eingesetzt. Die Bestimmung der Parameter dieser Verfahren wird dabei häufig von subjektiven Kriterien beeinflusst. Als Kriterien können hier z.B. die Vorgaben in der Literatur genannt werden, die aber für das individuelle Problem nicht besonders geeignet sind. Nach unserer Erfahrung spielt bei dieser Auswahl der Zufall eine große Rolle. Nur in seltenen Fällen erfolgt die Einstellung allein nach objektiven Maßstäben. Außerdem ist es nicht ausreichend, die beste Einstellung zu bestimmen, da dieses Tuning selbst möglichst optimal durchgeführt werden sollte: der Findungsprozess selbst muss optimal gestaltet werden. Der Fluch der Dimensionen Die sequentielle Parameteroptimierung (SPO) kombiniert bewährte Verfahren aus dem Bereich der klassischen Versuchsplanung (Design of Experiments) mit Verfahren der modernen statistischen Analyse (Design and Analysis of Computer Experiments sowie Computational Abbildung 1: Bereits geringe Änderungen der Parametereinstellungen können das Ergebnis drastisch verbessern. SPO findet gute Einstellungen automatisch. Obwohl die zugrunde liegenden statistischen Verfahren komplex sind, benötigt der Anwender zur Interpretation der Ergebnisse lediglich Grundkenntnisse der Statistik.