FIWA - Methoden der Computational Intelligence für Vorhersagemodelle in der Finanz-und Wasserwirtschaft (Schlussbericht)

Sch i en eihe CIplus, Band 3/2013
He ausgebe : T. Ba z-Beiels ein, W. Konen, H. S enzel, B. Naujoks
FIWA - Me hoden de
Compu a ional In elligence ¨u
Vo he sagemodelle in de Finanz-
und Wasse wi scha
(Schlussbe ich )
Thomas Ba z-Beiels ein und Oli e Flasch
FIWA
Me hoden de Compu a ional In elligence ü
Vo he sagemodelle in de Finanz- und Wasse wi scha
(Fö de kennzeichen 17N2309)
Schlussbe ich
Fö de linie „Ingenieu Nachwuchs“ 2009 (In o ma ik)
im Rahmen des P og amms „Fo schung an Fachhochschulen“
P o . D . Thomas Ba z-Beiels ein
Ins i u ü In o ma ik
Fakul ä ü In o ma ik und Ingenieu wissenscha en
Fachhochschule Köln
Inhal s e zeichnis
1 Allgemeines 2
2 Vo haben 3
2.1 Au gabens ellung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2 Vo ausse zungen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Planung und Ablau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.4 Wissenscha lich- echnische S and . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.5 Zusammena bei mi ande en S ellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
3 Wissenscha lich- echnische E gebnisse 11
3.1 Modul M-1 „Gene ic P og amming“ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.1.1 GP-1: Ve allgemeine ung und Dokumen a ion des GP-Sys ems . . . . . . . . . . 12
3.1.2 GP-2: En wicklung wei e e allgemeine Zei eihenanalyse unk ionen . . . . . 13
3.2 Modul M-2 „Finanzwi scha “ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.1 F-1: En wicklung on au Finanzzei eihen spezialisie en Analyse unk ionen . 16
3.2.2 F-2: Op imie ung de P ognosemodellauswe ung . . . . . . . . . . . . . . . . . 16
3.2.3
F-3: En wicklung eines Bewe ungswe kzeugs ü Finanzzei eihen-P ogno-
semodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.2.4 F-4: E alua ion de P ognosegenauigkei ü Finanzzei eihen . . . . . . . . . . 18
3.2.5 CS-1: Ve gleichende Übe sich : P ognosemodelle in de Finanzwi scha . . . 18
3.2.6
CS-2: Ve gleich des FIWA-GP P ognosemodells mi ande en Modellen in de
Finanzwi scha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2.7 MT-1: E s ellung on So wa epake en ü Finanzzei eihen . . . . . . . . . . . 22
3.3 Modul M-3 „Wasse wi scha “ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 W-1: Da ene assung und GP-Anpassung ü Da en aus de Wasse wi scha . 22
1 Allgemeines
3.3.2
W-2: En wicklung on au Wasse wi scha szei eihen angepass en Analyse-
unk ionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
3.3.3
W-3: En wicklung eines Bewe ungswe kzeugs ü Wasse wi scha s-P ogno-
semodelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.4
W-4: E alua ion de e eich en P ognosegenauigkei ü Wasse wi scha s-
zei eihen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
3.3.5 CS-3: Ve gleichende Übe sich : P ognosemodelle in de Wasse wi scha . . . 26
3.3.6
CS-4: Ve gleich des FIWA-GP P ognosemodells mi ande en Modellen in de
Wasse wi scha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.7 MT-2: E s ellung on So wa epake en ü Wasse da en . . . . . . . . . . . . . . 29
3.4 Modul M-4 „Gene alisie ba kei “ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4.1
G-1: Un e schiede und Gemeinsamkei en on GP-Sys emen in de Finanz- und
Wasse wi scha . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.4.2 G-2: Gene alisie ba kei . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.5 Spezielle A bei spake e . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
3.6 Wissenscha liche Publika ionen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
4 Vo aussich liche Nu zen 31
5 E gebnisse D i e 32
6 Ve ö en lichungen im P ojek 34
7 Li e a u 39
Abkü zungs e zeichnis 42
1 |Allgemeines
Diese Schlussbe ich besch eib die im P ojek „Me hoden de Compu a ional In elligence ü Vo he -
sagemodelle in de Finanz- und Wasse wi scha “ (FIWA) im Zei aum on Juni 2009 bis einschließ-
lich No embe 2012 e ziel en E gebnisse.
Zuwendungsemp änge
Ins i u ü In o ma ik, Fakul ä In o ma ik und Ingenieu wissen-
scha en, Fachhochschule Köln
P ojek lei e P o . D . Thomas Ba z-Beiels ein
Fö de kennzeichen 17N2309
Vo habensbezeichnung
Me hoden de Compu a ional In elligence ü Vo he sagemodelle
in de Finanz- und Wasse wi scha (FIWA)
Lau zei des Vo habens 06/2009 – 11/2012
Be ich szei aum 06/2009 – 11/2012
P ojek pa ne
Do mund In elligence P ojec (DIP) GmbH, Technische We ke
Emme ich am Rhein GmbH (TWE), TU Do mund, Quaes a Capi-
al GmbH, V ije Uni e si ei Ams e dam
2
De Be ich is wie olg gegliede : Abschni 2 gib einen Übe blick übe Au gabens ellung, Vo aus-
se zungen, Planung und Ve lau , wissenscha lich- echnischen S and und übe die Zusammena bei
mi D i en im P ojek FIWA. Abschni 3 besch eib die e ziel en wissenscha lich- echnischen E -
gebnisse. Abschni 4 e gleich den ak uellen S and des Vo habens mi de u sp ünglichen A bei s-,
Zei - und Ausgabenplanung. Abschni 5 besch eib In o ma ions eche chen nach p ojek ele an en
E gebnissen D i e . Abschni 6 üh alle im P ojek e olg en Ve ö en lichungen au .
2 |Vo haben
2.1 Au gabens ellung
Das P ojek FIWA be ass e sich mi de En wicklung modula e Sys eme zu Analyse und P ognose
on Da en aus de Finanz- und Wasse wi scha mi els Ve ah en de Compu a ional In elligence
(CI). Dabei lieg de me hodische Fokus au Ansä zen aus dem CI-Un e be eich Gene ic P og amming
(GP).
Sowohl in de Wasse wi scha als auch in de Finanzwi scha sind genaue e P ognosen on
Zei eihen no wendig. Zukün ige En wicklungen aus bes ehenden T ends zu bes immen kann
En scheidungs-, Handlungs- und Kon olls a egien mi dem no wendigen Wissen e so gen um
e olg eich zu sein. Sowohl in indus iellen P ozessen als auch in ökonomischen P ozessen auchen
dabei häu ig P obleme au , de en Lösung die Be ücksich igung de hohen Komplexi ä und nich linea-
en Dynamik benö igen. Besonde s ü länge is ige Vo he sagen e gib sich eine inhä en wachsende
Unsiche hei . Rasch e ände liche Ein lüsse aus Umgebung, Umwel , Poli ik und Ökonomie sind
zusä zlich zu beach en.
Au G und diese Schwie igkei en sind klassische Me hoden im Be eich de Zei eihenp ognose nu
schlech anzuwenden. Ziel dieses Vo habens is deshalb die En wicklung und Anwendung mode ne CI
Me hoden, o allem im Be eich GP, die po en iell selbs komplexe Zusammenhänge in Zei eihen gu
abbilden können. Mi GP lassen sich zudem auch Komponen en de klassischen Zei eihenp ognose
in ein neues Modellie ungs amewo k in eg ie en. Dami e gib sich die Möglichkei au oma isie
sowohl klassisch lösba e als auch hochkomplexe Zei eihen zu modellie en.
Im P ojek FIWA sollen die en wickel en GP-Sys eme olglich ü die Modellie ung on Finanz-
zei eihen (z.B. Ak ienku se) und Zei eihen aus de Wasse wi scha (z.B. Fülls ände on Rese oi s)
e wende we den. Dabei soll auch die Möglichkei un e such we den, neben den zu modellie en-
den G ößen auch wei e e Eingabeda en zu be ücksich igen (z.B. Tex on Finanznach ich en ode
We e da en).
Konk e we den aus dem Be eich de Finanzwi scha Da en de be eilig en KMU (Do mund
In elligence P ojec (DIP) GmbH und Quaes a Capi al GmbH) zu Ve ügung ges ell . Au be ei s
bes ehenden E ah ungen in GP und klassischen Me hoden soll au gebau we den. Mi de Ve bes-
se ung diese Me hodik soll es den P ojek pa ne n e möglich we den, op imie e GP-Sys eme zu
Po olioop imie ung ode zum Managemen on Accoun s, Fonds ode s uk u ie en P oduk en ü
al e na i e In es men s in de Finanzwi scha einzuse zen.
Im Be eich de Wasse wi scha is de Einsa z besonde s inno a i , da hie de Einsa z on GP
3
2 Vo haben
e s malig o genommen wu de. In diesem Be eich sind zug unde liegende P ozessmodelle sel en
bekann . Dahe wi d im P ojek FIWA au da enge iebene Modellie ung mi GP zu ückgeg i en. De
Technische We ke Emme ich am Rhein GmbH (TWE) soll dami die Möglichkei gebo en we den
o ausschauende S eue - und Regelungsau gaben in abwasse echnischen Anlagen zu ealisie en.
Du ch Ve ö en lichungen und Koope a ionen mi üh enden Wissenscha le n und Expe en (P o .
Rudolph (TU Do mund), P o . Kleijnen (Tilbu g Uni e si y) und P o . Eiben (V ije Uni e si ei
Ams e dam), D . Vladisla le a (E ol ed Analy ics)) aus den Be eichen CI und GP wi d des Wei e en
siche ges ell , dass auch de akademische Nu zen de im P ojek FIWA du chge üh en Fo schung
e ziel wi d.
2.2 Vo ausse zungen
Das P ojek FIWA ha e eine Gesam lau zei on 3 Jah en und 6 Mona en (01.06.2009 bis zum
30.11.2012) und wu de mi eine Gesam summe on 258.424,00
€
(exklusi e 10% P ojek pauschale)
ge ö de . Da on en ielen
224.506,00€au Pe sonalausgaben,
22.456,00€au sächliche Ve wal ungsausgaben und
11.462,00€au Gegens ände übe 410 Eu o (In es i ionen).
Inklusi e de P ojek pauschale on 10% be ug die Fö de summe also 270.737,60€.
Du chge üh wu de das P ojek am Ins i u ü In o ma ik an de Fakul ä ü In o ma ik und
Ingenieu wissenscha en am Campus Gumme sbach de Fachhochschule Köln. An diese Fakul ä ha
de P ojek lei e sei Ok obe 2006 eine P o essu ü Angewand e Ma hema ik inne. Zu P ojek beginn
ha e e meh als 50 Publika ionen im Be eich Compu a ional In elligence (CI) e ö en lich . E a bei-
e e on 2000–2006 im Sonde o schungsbe eich „Design und Managemen komplexe echnische
P ozesse und Sys eme mi Me hoden de Compu a ional In elligence“ an de TU Do mund in einem
P ojek zu Umse zung de G undlagen esul a e in p axiso ien ie e Algo i hmen und We kzeuge.
Die om P ojek lei e en wickel e Sequen ielle Pa ame e op imie ung (SPO) wu de als wich iges
We kzeug zu En wicklung eine Va ian e on GP, de algo i hmischen Chemie [
83
,
82
], e olg eich
eingese z
1
. Die Zusammenhänge wu den in Ba z-Beiels ein u.a.
[64]
e ö en lich . Diese Zusam-
mena bei üh e zu wei e en Publika ionen, in denen das Zusammenspiel on GP und SPO und on
SPO–Anwendungen un e such wu den [81, 87, 65, 86].
De P ojek lei e is Mi glied in den P og ammkomi ees de üh enden Kon e enzen und Zei -
sch i en au dem Gebie de CI. Be ei s zu P ojek beginn exis ie e eine in ensi e Zusammena bei
des P ojek lei e s mi Fo sche n au in e na ionale Ebene, un e ande em mi den Uni e si ä en
An we pen, Tilbu g, Eindho en und Leeds. Wei e e Fo schungs hemen, die in diese A bei sg uppe
behandel we den, s ammen aus den Be eichen DoE, Simula ion und Op imie ung.
Ab P ojek beginn s and He Dipl-In o m. Oli e Flasch dem P ojek als e an wo liche Sach-
bea bei e in Vollzei zu Ve ügung. He Flasch besi z ein Diplom de TU Do mund und wa o
P ojek beginn bei de DIP GmbH anges ell . E besi z he o agende Kenn nisse im Be eich CI und
wa an de En wicklung komme zielle GP-Sys eme be eilig . Seine Zulassung zu P omo ion des
1
SPO is in Fo m des open-sou ce Pake s Sequen ial Pa ame e Op imiza ion Toolbox (SPOT) ei e ügba . Siehe auch
www.c an. -p ojec .o g/package=SPOT
4

2.3 Planung und Ablau
A bei s i els „Me hoden de Compu a ional In elligence ü Vo he sagemodelle in de Finanz- und
Wasse wi scha “ in Koope a ion mi de TU Do mund wa zu P ojek beginn be ei s genehmig .
Die am P ojek be eilig en KMU DIP GmbH und Quaes a Capi al GmbH ha en be ei s seh gu e
E ah ungen mi dem Einsa z on GP ü die Zei eihenp ognose. De en GP-Sys eme gehö en
wel wei zu den E s en im p ak ischen Einsa z in de Finanzwi scha . Zu P ojek beginn be anden
sich keine GP-Sys eme im p ak ischen Einsa z in de Wasse wi scha . Du ch eine meh jäh ige
Koope a ion mi de DIP GmbH und Quaes a Capi al GmbH ha de P ojek lei e gu e Kon ak e im
Be eich de deu schen Finanzdiens leis e . Gleichzei ig konn e das komme zielle GP-Sys em T ade
de DIP GmbH o P ojek beginn an die Bedü nisse de B anche angepass und de e olg eiche
Ma k ein i e ziel we den. Die DIP GmbH und Quaes a Capi al GmbH s ell e dem P ojek sei
Beginn bei Beda agesak uelle Finanzzei eihen kos enlos zu Ve ügung und s and dem P ojek
mi ih em um assenden E ah ungsscha z in de Finanzwi scha be a end zu Sei e. Im Be eich
Wasse wi scha e klä e sich die Technische We ke Emme ich am Rhein GmbH dazu be ei , dem
P ojek P ozessda en aus Klä anlagen übe einen Zei aum on meh e en Mona en ü eine Analyse
und E p obung zu Ve ügung zu s ellen.
P o . Gün e Rudolph (Leh s uhl ü Algo i hm Enginee ing, TU Do mund) wende CI-Ve ah en
zu Meh zielop imie ung und indus iellen Op imie ung an. P o . Rudolph be eu das P omo ions o -
haben des P ojek s an de TU Do mund. Ein langjäh ige Kon ak des P ojek lei e s zu P o . Agos on
E. Eiben (Head o he Compu a ional In elligence G oup, Head o he Depa men o Compu e
Science an de V ije Uni e si ei Ams e dam) bes eh im Be eich CI und de expe imen ellen Analyse
on Algo i hmen. Diese Kon ak wu de sei P ojek beginn zum inhal lichen Aus ausch genu z . Du ch
diesen Kon ak bes eh zusä zlich die Möglichkei ü Absol en en de FH Köln, eine P omo ion an de
V ije Uni e si ei Ams e dam du chzu üh en. Übe die Kompe enzpla o m Sus ainable Technologies
and Compu a ional Se ices o En i onmen al and P oduc ion P ocesses (STEPS) bes and an de
Fachhochschule Köln schon o P ojek beginn ein Kolleg ü alle P omo enden de Hochschule.
2.3 Planung und Ablau
Das P ojek wu de in ie Module mi insgesam zwöl A bei spake en au ge eil . Die Dimensionie ung
de A bei spake e wu de so gewähl , dass sie inne halb eines Semes e s zu bea bei en wa en (siehe
Abbildung 1). Am Ende jeden Semes e s wu de in e n kon ollie , ob die de inie en Ziele e eich
wu den. Neben diesen p ojek beglei enden Kon ollen wu den die olgenden Meilens eine de inie :
MS-1: Abnahme des e wei e en GP-Sys ems ü Wasse da en. – Q4 / 2009
Mi dem planmäßigen
E eichen des Meilens eins MS-1 wu de e wei e e Funk ionali ä ko ek in das GP-Sys em in eg ie ,
so dass auch Da en aus de Wasse wi scha modellie we den konn en. Du ch die Po ie ung des
Ke ns des T ade -Sys ems in die belieb e und wei e b ei e e eie S a is ik-So wa eumgebung
Rkonn e de Implemen ie ungsau wand du ch die Nu zung on Open Sou ce So wa e e inge
we den. Gleichzei ig s eh mi RGP nun e s mals ein leis ungs ähiges eies GP-Sys em in Rzu
Ve ügung.2
2
RGP s eh un e
h p:// symbolic.o g
zum eien Download be ei und wi d auch nach P ojek ende ak i wei e -
en wickel .
5
2 Vo haben
MS-2: Abnahme Analyse unk ionen ü die Wasse wi scha – Q2 / 2010
Mi dem planmäßigen
E eichen des Meilens eins MS-2 wu de siche ges ell , dass die Schni s ellen ü Da en aus de
Wasse wi scha ko ek spezi izie wu den, so dass im zwei en Teil des A bei spake s W-2 die Im-
plemen ie ung und die Tes s du chge üh we den konn en. Da en aus de Wasse wi scha konn en
ko ek eingelesen we den und s ehen nach eine Da en o e a bei ung in einem s anda disie en
Fo ma zu Ve ügung. Dabei handel es sich zum Beispiel um Messwe e wie Niede schlagsmengen
und Fülls ände in Regenübe lau becken.
MS-3: Abnahme des e wei e en GP-Sys ems – Q3 / 2010
Du ch das planmäßige E eichen des
Meilens eins MS-3 wu den die Da en und Analyse unk ionen ü die Wasse wi scha (W-2) und die
zusä zlichen Funk ionen ü das GP-Sys em (GP-2) ko ek implemen ie , so dass eine F eigabe de
Funk ionen e olgen konn e. Das ü eine Anwendung in de Wasse wi scha spezialisie e INT2-
Modell wu de in RGP in eg ie und E gebnisse diese In eg a ion wu den au wissenscha lichen
Kon e enzen e ö en lich [30].
MS-4: Fes legung de P ognosemodelle – Q1 / 2011
Diese Meilens ein dien e de Auswahl de
Modelle und de Abnahme de E gebnisse aus den Case-S udies CS-1 und CS-3. De g oße Um ang
diese Case-S udies beding e eine Abweichung on de u sp ünglichen Planung. CS-1 („Ve gleichende
Übe sich : P ognosemodelle in de Finanzwi scha “) wu de als Mas e a bei MT-1 („Algo i hmic
S ock T ading as a Real-Wo ld Tes P oblem o Time Se ies P edic ion Me hods“) e geben und
An ang 2011 e olg eich abgeschlossen. CS-3 („Ve gleichende Übe sich : P ognosemodelle in de Was-
se wi scha “) wu de be ei s in 2009 im Mas e s udiengang „Au oma ion & IT“ on d ei S uden en
du chge üh und e olg eich abgeschlossen.
MS-5: Bewe ung de Vo he sagegü e ü Da en de Finanz- und Wasse wi scha . – Q3 / 2011
Mi
dem E eichen dieses Meilens eins wu de siche ges ell , dass die in den Pake en F-4 und W-4 en wi-
ckel en P ognose- und Bewe ungswe kzeuge ko ek en wickel wu den. Du ch die Aus ich ung de
GECCO INDUSTRIAL CHALLENGE
3
2011, eines in e na ionalen We bewe bs ü P ognosesys eme ü
die Finanzwi scha , konn e die E alua ion de P ognosewe kzeuge in e wei e em Um ang e olgen.
So e olg e nich nu ein Ve gleich mi klassischen Me hoden de Zei eihenp ognose, sonde n auch
mi mode ns en Me hoden aus de CI.
MS-6: Abnahme de E gebnisse aus den Ve gleichen – Q1 / 2012
Mi dem E eichen dieses Meilen-
s eins wu de übe p ü , ob die Ve gleiche in den Case-S udies CS-2 und CS-4 ko ek du chge üh
wu den. Fü die Bea bei ung de Case-S udy CS-4 („Ve gleich des FIWA-GP P ognosemodells mi
ande en Modellen in de Wasse wi scha “) sowie ü die Mas e a bei MT-2 („E s ellung on So -
wa epake en ü Wasse da en“) konn en keine geeigne en S udie enden gewonnen we den. Dahe
muss en die ü das E eichen de Meilens eine no wendigen A bei en on dem im P ojek beschä ig-
en wissenscha lichen Mi a bei e übe nommen we den. Du ch den ges eige en A bei sau wand
3
Bei de Gene ic and E olu iona y Compu a ion Con e ence (GECCO) handel es sich um eine de wich igs en Kon e enzen
des Fo schungsbe eiches.
6
2.4 Wissenscha lich- echnische S and
e gab sich eine Ve zöge ung beim E eichen des Meilens eins.
Im le z en Semes e des P ojek s kam es zu einem äuße s s a ken und im Vo eld nich kalku-
lie ba en Ans ieg de S udie endenzahlen. Mi 863 E s semes e n wa die Zahl im Win e halbjah
gegenübe 2010 um as die Häl e anges iegen. Du ch den e höh en Be euungsau wand in den
Leh e ans al ungen kam es zu Ve zöge ungen bei de Bea bei ung de A bei spake e G-1 und G-2.
Aus diesen G ünden wu de eine kos enneu ale Ve länge ung des P ojek s bis zum 30.11.2012 be-
an ag und genehmig , was die E eichung des Meilens eins MS-6 und dami einen e olg eichen
P ojek abschluss e möglich e. Die u sp üngliche Zei - und Meilens einplanung kann de Vo habens-
besch eibung des P ojek s en nommen we den.
Abbildung 1 s ell den P ojek e lau in Fo m eines Gan -Cha s da . Fü die A bei spake e wu den
die olgenden Bezeichnungen e wende : GP: Gene ic P og amming, F: Finanzwi scha , CS: Case-
S udies,
MT
: Mas e -Theses,
W
: Wasse wi scha ,
G
: Gene alisie ba kei ,
D
: Disse a ion und
K
:
Koo dinie ung. MS bezeichne einen Meilens ein.
2.4 Wissenscha lich- echnische S and
Die im P ojek FIWA behandel en Au gabens ellungen lassen sich mi empi ischen Modellie ungs e -
ah en bea bei en. In de P axis we den Ve ah en de linea en und nich linea en Reg ession, NN,
SVM und iele wei e e Ve ah en sowie Kombina ionen diese Ve ah en eingese z . De Schwe punk
des An ags FIWA lag im Be eich de symbolischen Reg ession mi els GP, so dass sich die Besch ei-
bung an diese S elle au dieses Gebie konzen ie . Schli gen
[93]
, B ockwell u. Da is
[67]
und
Tsay
[97]
s ellen den ak uellen S and de Fo schung im Be eich Zei eihenanalyse und -p ognose da .
Gene ic P og amming
Poli u. a.
[89]
p äsen ie einen Übe blick und eine um assende Da s el-
lung de GP-Fo schung. Wei e e GP-Ope a o en bzw. Va ia ionen bes ehende Ope a o en we den
s ändig wei e en wickel . Linea es GP, G aph-GP und GP zu meh k i e iellen Op imie ung inden
zunehmend Anwendung. Zu den wich igs en (und e olg eichs en) Anwendungsgebie en ü GP
zählen Modellie ung, symbolische Reg ession, Bild- und Signal e a bei ung, Finanzzei eihenanalyse
und ökonome ische Modelle, indus ielle P ozesss eue ung, Medizin, Biologie und Bioin o ma ik.
Beispielsweise en wickel e Kan schik [79]mi Hil e on GP Schachp og amme. Die dabei gewonne-
nen E ah ungen nu z e e zu En wicklung eines komplexen GP-Sys ems, das on de DIP GmbH
komme ziell eingese z wi d.
Sei einige Zei wi d die sog. Mul i-Objec i e Symbolic Reg ession (MOSR ode auch Pa e o-GP)
e olg eich als Modellie ungs echnik angewende . Basie end au GP sollen dabei zwei wide sp üchli-
che Zielse zungen, eine sei s Modellquali ä (P ognosegü e) und ande e sei s Modellkomplexi ä ,
op imie we den [
96
]. Pa e o-GP kann zu au oma ischen Va iablenauswahl, Be echnung seh g oße
Da enmengen und En wicklung zu e lässige Modelle eingese z we den. Ve ah en zu Ve meidung
on O e i ing und zu Iden i ika ion on Aus eiße n we den momen an en wickel . De Einsa z
on Pa e o-GP be e sich seh gu in die Vo gehensweise de expe imen ellen Ve suchsplanung
(Design o Expe imen s, DoE) ein. De An ags elle s eh im in ensi en Aus ausch mi Fo sche n de
7
2 Vo haben
Halbjah II / 2009 I / 2010 II / 2010 I / 2011 II / 2011 I / 2012 II / 2012
Qua al Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4 Q1 Q2 Q3 Q4
Mona 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11 12 1 2 3 4 5 6 7 8 9 10 11
Semes e Win e Somme
Modul Thema
M-1 GP GP-1
GP-2
M-2 Finanz F-1
F-2
F-3
F-4
M-3 Wasse W-1
W-2
W-3
W-4
M-4 Gen. G-1
G-2
CS-1
CS-3
CS-2
CS-4
MT-1 MT-2
KKoo d. K
DDiss. D
MS MS-1 MS-2 MS-3 MS-4 MS-5 MS-6
Case-S udies
Mas e -Theses
Meilens .
Abbildung 1:
P ojek e lau als Gan -Cha . Angegeben sind die ak uellen Semes e zei en de FH
Köln. Die den Modulen M-2 und M-3 zugeo dne en Case-S udies und Mas e -Theses
sind sepa a ausgewiesen.
8
3.1 Modul M-1 „Gene ic P og amming“
2 4 6 8 10 12
−0.4 0.0 0.2 0.4 0.6
1: Damped Oscilla o 1D
−202468
0.5 1.0 1.5 2.0
2: Unw apped Ball 1D
0 2 4 6 8 10 12
−0.5 0.0 0.5
3: Salus owicz 1D
eal
p edic ed
Abbildung 3:
Plo s uni a ia e Tes unk ionen ü symbolische Reg ession du ch GP, wie in RGP
en hal en: Die wah en Funk ionswe e sind du chgängig schwa z, die du ch RGP
e zeug en Lösungen schwa z ges ichel da ges ell .
×
sMax ain all his o y
3.14
Abbildung 4:
Ein ein aches Beispiel eines GP-Indi iduums, da ges ell als Baum-Da ens uk u , wie
sie in RGP e wende wi d.
Als Beispiel soll de gül ige gpL-Te m 3
.
14
× sMax
(
ain all his o y
)dienen. Diese Te m is
eine Funk ionsanwendung und ha den Basis yp
nume ic
. Die Funk ion
×
ha den Funk ions-
yp (
nume ic,nume ic
)
→nume ic
, die Funk ion
sMax
den Funk ions yp (
ime_se ies
)
→
nume ic
, das Li e al 3
.
14 den Basis yp
nume ic
und die Eingabe a iable
ain all his o y
den Basis-
yp
ime_se ies
. Abbildung 4 zeig , wie diese Te m in de RGP Baum-Da ens uk u da ges ell
wi d.
Um RGP ü die Zei eihenp ognose einzuse zen, we den GP-Indi iduen des Typs (
ime_se ies,...,
ime_se ies
)
→nume ic
e ol ie . Diese GP-Indi iduen we den als Zei eihenp ognosemodelle
e wende , indem sie als Funk ionen au ein Fens e de Eingabe-Zei eihen angewand we den. De
esul ie ende We des Basis yps nume ic wi d als P ognose in e p e ie . De P ognoseho izon , wie
auch die zu p ognos izie ende Zei eihe, is in de Fi ness unk ion wie olg kodie : Als T ainings-
menge wi d eine Zei eihe his o ische Da en on
S a ge
, de zu p ognos izie enden Zei eihe, wie
auch on
S
:=
{Sinpu 1,...,Sinpu n}
, de Menge de Eingabe-Zei eihen e wand (
S a ge
kann in
S
en hal en sein). Die P ognosegenauigkei eines Indi iduums
I
zum Zei punk
mi P ognoseho izon
h
wi d wie olg bes imm : Alle Eingabe-Zei eihen we den au das Fens e [
−
(
h
+
w
)
, −h
]beschni -
en, hie bei is
w
eine o ab gewähl e Fens e länge. Dann wi d
I
au die Menge de beschni enen
Eingabe-Zei eihen angewand , um die P ognose on
I
ü
S a ge
(
)zu be echnen. Dann wi d de
quad a ische Fehle (Squa ed E o , SE) zwischen dem wah en We de Zei eihe
S a ge
(
)und
diese P ognose bes imm . De Roo Mean Squa ed E o de P ognose wi d app oximie , indem die
Wu zel on eine g oßen Zahl on zu ällig gezogenen SE-We en de T ainingsmenge gezogen wi d.
15

3 Wissenscha lich- echnische E gebnisse
Diese App oxima ion wi d als Fi ness des GP-Indi iduums Igenu z .
In de P axis kann ein GP-Indi iduum
I
als P ognosemodell eingese z we den, indem es als
R-Funk ion au ein Fens e de Länge wde Eingabe-Zei eihen angewende wi d.
3.2 Modul M-2 „Finanzwi scha “
Ziel de A bei spake e im Modul M-2 wa die En wicklung on Zei eihenanalyse- und P ognose-
unk ionen ü Anwendungen in de Finanzwi scha und de en In eg a ion in das GP-Sys em. Ein
wei e es Ziel wa die Op imie ung de P ognosemodellauswe ung, um die E izienz des GP-Sys ems
bei de E olu ion on Handelssys emen zu s eige n.
3.2.1 F-1: En wicklung on au Finanzzei eihen spezialisie en Analyse unk ionen
Da sich die S a is ik-So wa eumgebung Rin den le z en Jah en in de Finanzwi scha imme s ä ke
e b ei e ha , s ehen dem P ojek du ch die Po ie ung des T ade GP-Sys ems in Rbe ei s eine g oße
Anzahl au Finanzzei eihen spezialisie e Analyse unk ionen in hohe Quali ä zu Ve ügung. Diese
Funk ionen sind in RGP als GP-Baus eine nu zba . 9
3.2.2 F-2: Op imie ung de P ognosemodellauswe ung
De T ading-Simula o de DIP GmbH, welche den Handel mi Finanzins umen en un e ealis i-
schen Bedingungen simulie , um die P ognosegenauigkei anhand his o ische Finanzzei eihen
ealis isch bewe en zu können, wu de nach Rpo ie . Die E izienz des Simula o s wu de im
Rahmen diese Po ie ung op imie , wodu ch die Gesam e izienz de Anwendung on GP ü die
Finanzzei eihenp ognose ges eige we den konn e. Gleichzei ig wu de de T ading Simula o nun
als Open Sou ce So wa e zu Ve ügung ges ell und is eigens ändig nu zba , was den Ve gleich
e schiedene P ognose e ah en, auch übe GP hinaus, seh e ein ach .
De T ading-Simula o kam be ei s seh e olg eich zu E alua ion de P ognosegenauigkei e -
schiedene CI-basie e Ve ah en zu Finanzzei eihenp ognose zum Einsa z. Abbildung 5 zeig ein
Ablau diag amm zum Einsa z des Simula o s.
Abbildung 6 zeig die akkumulie e Rendi e beim De isenhandel mi dem Wäh ungspaa AUDUSD.
Da en diese Fo m we den du ch den T ading-Simula o e a bei e .
3.2.3 F-3: En wicklung eines Bewe ungswe kzeugs ü Finanzzei eihen-P ognosemodelle
Im Rahmen dieses A bei spake es wu den g aphische und s a is ische We kzeuge zu Bewe ung de
om GP-Sys em gelie e en P ognosemodelle anhand e schiedene K i e ien e s ell . Dazu wu den
o handene und ei e ügba e g aphische und s a is ische We kzeuge de So wa eumgebung Rau
das P oblem angepass , wodu ch de Au wand gegenübe eine Neuen wicklung e inge wu de.
Zusä zlich können Anwende aus de Finanzwi scha die ü sie gewohn en R-basie en We kzeuge
zu Modellbewe ung wei e nu zen.
9
Siehe beispielsweise
h p://c an. -p ojec .o g/web/ iews/Econome ics.h ml
ü eine ak uelle Übe sich
zu Finanzzei eihen-Analyse unk ionen ü R.
16
3.2 Modul M-2 „Finanzwi scha “
T aining
Time Se ies
T ading S a egy
Gene a o
T aining Phase
Tes Phase
Tes
Time Se ies
T ading
Simula o
Signal Quali y
(Sha pe Ra io)
T ading S a egy
T ading
Simula o
Signal Quali y
(Sha pe Ra io)
T ading S a egy
Abbildung 5:
Ablau diag amm zum Einsa z des im P ojek FIWA en wickel en T ading-Simula o s:
Wäh end eines GP-Lau s, also in de T aining-Phase, wi d die Quali ä de du ch GP als
T ading S a egy Gene a o e zeug en Handelss a egien du ch simulie en Handel au
Basis on his o ischen Da en de T ainings-Zei eihen geschä z . In eine nach olgenden
unabhängigen Tes -Phase wi d die Quali ä de du ch GP e zeug en Handelss a egien
du ch simulie en Handel au Tes -Zei eihen alidie .
−0.015 0.000 0.010
AUDUSD
Da e
Accumula ed Re u ns
Ap Mai Jun Jul
Abbildung 6:
Akkumulie e Rendi e beim De isenhandel mi dem Wäh ungspaa AUDUSD. Da en
diese Fo m we den du ch den im P ojek FIWA en wickel en T ading-Simula o zu
Schä zung de Genauigkei on P ognosemodellen ü Finanzzei eihen genu z .
17
3 Wissenscha lich- echnische E gebnisse
In Ve bindung mi de im A bei spake F-2 e s ell en op imie en P ognosemodellauswe ung
bilde en die in diesem A bei spake en wickel en We kzeuge eine ideale Basis ü die Aus ich-
ung eines in e na ionalen We bewe bs zum Ve gleich on P ognosesys emen ü die Finanz-
wi scha un e ealis ischen Bedingungen. Abschni 3.6 und die Websi e
h p://gociop.de/
gecco-indus ial-challenge/gecco-2011-indus ial-challenge/
en hal en De ails zu
diesem We bewe b, de GECCO INDUSTRIAL CHALLENGE 2011.
Abbildung 7 zeig das im Rahmen des P ojek s wei e en wickel e We kzeug zu g aphischen Da -
s ellung, Manipula ion und Auswe ung on P ognosemodellen in de Finanzwi scha . Gezeig
wi d die g aphische Analyse des Eu o/Cable-Indika o s, eines Indika o s de echnischen Finanz-
ma k analyse. Diese Indika o en lie e n un e ande em Eingabeda en ü die im P ojek en wickel en
P ognosemodelle.
3.2.4 F-4: E alua ion de P ognosegenauigkei ü Finanzzei eihen
Die E alua ion de e eich en P ognosegenauigkei ü Finanzzei eihen mi Hil e de im A bei spake
F-3 en wickel en We kzeuge konn e im Rahmen de GECCO INDUSTRIAL CHALLENGE 2011 in e wei e -
em Um gang e olgen. Die E gebnisse diese Analysen we den ein Ke nkapi el de im P ojek ahmen
e s ell en Disse a ion bilden. Dabei e olg e nich nu ein Ve gleich mi klassischen Me hoden de
Zei eihenp ognose, sonde n auch mi hochak uellen Me hoden aus de CI.
Abbildung 8 zeig eine Übe sich de E gebnisse de e s en Runde de GECCO INDUSTRIAL CHALLENGE
2011. Ziel des We bewe bs wa die En wicklung on e olg eichen CI-basie en algo i hmischen
S a egien ü den De isenhandel, beispielsweise mi GP. Die Be echnung des Quali ä smasses
(Sha pe Ra io) e olg e mi Hil e des im A bei spake F-2 e s ellen T ading-Simula o s. Zum Ve gleich
is die gemessene Quali ä eine ein achen Buy and Hold-S a egie, sowie die Quali ä eine ein achen
om P ojek pa ne Quaes a Capi al GmbH gelie e en Basis-S a egie (Simple P op ie a y) eben alls
da ges ell .
Abbildung 9 zeig das Ve hal en einige de zu GECCO INDUSTRIAL CHALLENGE 2011 einge eich en
Handelss a egien im Ve gleich zu eine ein achen Buy and Hold-S a egie. Als Da enbasis dien en
Rendi en des Wäh ungspaa es EURUSD. Die gezeig en S a egien e ziel en ela i zu Buy and
Hold-S a egie einen höhe en Gewinn bei ge inge em Risiko.
3.2.5 CS-1: Ve gleichende Übe sich : P ognosemodelle in de Finanzwi scha
Diese Case S udy wu de als Mas e a bei MT-1 mi dem Ti el „Algo i hmic S ock T ading as a Real
Wo ld Tes P oblem o Time Se ies P edic ion Me hods“ e geben und An ang 2011 e olg eich
e igges ell .
3.2.6 CS-2: Ve gleich des FIWA-GP P ognosemodells mi ande en Modellen in de Finanzwi scha
Diese Case S udy wu de in e wei e em Um ang als GECCO INDUSTRIAL CHALLENGE 2011 du chge-
üh und e olg eich abgeschlossen. Wie be ei s un e F-4 e wähn , wi d die E gebnisanalyse ein
Ke nkapi el de im P ojek e s ell en Disse a ion bilden. Zu diese Analyse we den Me hoden de
expe imen ellen Ve suchsplanung und des neuen Expe imen alismus (wie z.B. SPO) he angezogen.
18
3.2 Modul M-2 „Finanzwi scha “
Func ion pa abolic SAR
pa abolic SAR :: Timese ies<OHLC> Real RealReal → Timese ies<Real>
Desc ip ion
The unc ion pa abolic SAR is a me hod de ised by J. Welles Wilde , J , o ind ends in ma ke p ices o secu i ies. I may be used as a ailing s op loss based on p ices ending o s ay wi hin a
pa abolic cu e du ing a s ong end.
EURUSD (e en s eam)
Eu o/Cable
indica o
pa abolic SAR
xs pSAR(xs,s,m,i)
s a 
max 
inc emen 
OHLCs → closes
OHLCs closes
GBPUSD (e en s eam)
RSI
xs si(xs,w)
window size
2 %
20 %
2 %
WMA
xs wma(xs,w)
window size
10 mins
20 mins
di e ence
xs di (xs,ys)
ys
di e ence
xs di (xs,ys)
ys
Abbildung 7:
We kzeug zu g aphischen Da s ellung, Manipula ion und Auswe ung on P ognose-
modellen in de Finanzwi scha . Gezeig wi d die g aphische Analyse des Eu o/Cable-
Indika o s, eines Indika o s de echnischen Finanzma k analyse. Diese Indika o en
lie e n un e ande em Eingabeda en ü die im P ojek FIWA en wickel en P ognosemo-
delle.
19
3 Wissenscha lich- echnische E gebnisse
Round 1: Sha pe Ra io (Sco e)
Sha pe Ra io
0.00
0.05
0.10
0.15
0.20
0.00
0.05
0.10
0.15
0.20
0.00
0.05
0.10
0.15
0.20
0.00
0.05
0.10
0.15
0.20
AUDUSD
EURUSD
GBPUSD
sum
Submission
Buy and Hold
CMA−ES Tuned
Dynamic Linea
Simple P op ie a y
Abbildung 8:
Zusammen assung de E gebnisse de e s en Runde de GECCO INDUSTRIAL CHALLENGE
2011. Ziel wa die En wicklung on e olg eichen CI-basie en algo i hmischen S a egi-
en ü den De isenhandel, beispielsweise mi GP. Die Be echnung des Quali ä smasses
(Sha pe Ra io) e olg e mi Hil e des im A bei spake F-2 e s ell en T ading-Simula o s.
Zum Ve gleich is die gemessene Quali ä eine ein achen Buy and Hold-S a egie, sowie
die Quali ä eine ein achen om P ojek pa ne Quaes a Capi al GmbH gelie e en
Basis-S a egie (Simple P op ie a y) eben alls da ges ell .
20

3.2 Modul M-2 „Finanzwi scha “
EURUSD Round 1: Buy and Hold (baseline) PnL: 0.0067 Sha pe Ra io: 0.0115715
Cumula i e Re u n
0.000
0.005
0.010
0.015
0.020
0.025
0.030
14−Jun 21−Jun 28−Jun
Signal
Sho
Fla
Long
Dynamic Linea T ading Sys em (Qinyuan Hong) PnL: 0.0498 Sha pe Ra io: 0.0925699
Cumula i e Re u n
−0.01
0.00
0.01
0.02
0.03
0.04
0.05
0.06
14−Jun 21−Jun 28−Jun
Signal
Sho
Fla
Long
CMA−ES Tuned Au oma ic FX T ading S a egy (Zhi Yuan) PnL: 0.0226 Sha pe Ra io: 0.0399919
Cumula i e Re u n
0.00
0.01
0.02
0.03
14−Jun 21−Jun 28−Jun
Signal
Sho
Fla
Long
Abbildung 9:
Ve hal en einige de zu GECCO INDUSTRIAL CHALLENGE 2011 einge eich en CI-basie en
Handelss a egien im Ve gleich zu eine ein achen Buy and Hold-S a egie. Da enbasis
wa en Rendi en des Wäh ungspaa es EURUSD. Die gezeig en S a egien e ziel en ela i
zu Buy and Hold-S a egie einen höhe en Gewinn bei ge inge em Risiko.
21
3 Wissenscha lich- echnische E gebnisse
3.2.7 MT-1: E s ellung on So wa epake en ü Finanzzei eihen
Wie be ei s im Zwischenbe ich 2010 e wähn , konn e de Au wand ü Eigenen wicklungen on
So wa epak en ü die Analyse on Finanzzei eihen du ch die Nu zung de So wa eumgebung
R sowei gesenk we den, dass eine Ve gabe diese A bei en als Mas e a bei nich meh nö ig wa .
Wie be ei s un e CS-2 besch ieben, e möglich e dies die Ve gabe de in de Vo habensbesch eibung
angekündig e Case S udy CS-1 als Mas e a bei MT-1. Die A bei mi dem Ti el „Algo i hmic S ock
T ading as a Real Wo ld Tes P oblem o Time Se ies P edic ion Me hods“ e gleich o handene
Modelle ü die Finanzzei eihenp ognose aus de klassischen S a is ik und aus dem Be eich CI und
wu de An ang 2011 e olg eich e igges ell .
3.3 Modul M-3 „Wasse wi scha “
Im Modul M-3 wu den Da en und Tes anwendungen aus de Wasse wi scha e ass und dokumen-
ie . Auße dem wu den au die Wasse wi scha angepass e Analyse unk ionen en wickel und in
das GP-Sys em RGP in eg ie . Ein wei e es E gebnis s ell die e olg eiche En wicklung g aphische
We kzeuge ü die Bewe ung und In eg a ion on Wasse wi scha -P ognosemodellen da .
3.3.1 W-1: Da ene assung und GP-Anpassung ü Da en aus de Wasse wi scha
Das A bei spake W-1 be ass e sich mi de E assung on Da en aus de Wasse wi scha . Dazu
gehö die Au nahme de Da en selbs , ih e Dokumen a ion und ih e Au be ei ung. Die Au be ei-
ung soll die Da en in einem s anda disie en Fo ma ü die Analyse mi im P ojek eingese z en
Me hoden zu Ve ügung s ellen. Zu Da enau nahme gehö e dabei auch die Zusammens ellung on
P oblems ellungen die mi den Da en e bunden sind.
Ein Anwendungsbe eich da ü is die Modellp ädik i e Regelung on Fülls änden in Regenübe -
lau becken, wie in Abbildung 11 zu sehen. Regenübe lau becken angen Belas ungsspi zen on on
Kanalne zen au , um so ein Übe i on Abwasse in die Umwel bes möglich zu e hinde n. Die
Vo he sage on Fülls änden soll eine geziel e e S eue ung des Ab lusses aus den Übe lau becken e -
lauben. Zu diesem Zweck wu den Da en übe die Fülls ände selbs und Regenmengen au genommen.
Die Da en übe Regenmengen s ammen on einem Niede schlagsmesse , wie in Abbildung 10 gezeig .
Abbildung 12 zeig beispielha welche Da en ü diese Applika ion en s ehen.
Abbildung 10: Niede schlagsmesss a ion.
22
3.3 Modul M-3 „Wasse wi scha “
Abbildung 11: Lee es und leich ge üll es Übe lau becken.
3.3.2 W-2: En wicklung on au Wasse wi scha szei eihen angepass en Analyse unk ionen
Hie wu den e schiedene Analyseme hoden en wickel und e glichen, die ü Wasse wi scha s-
zei eihen geeigne sind.
Ein in diesem Pake en wickel es GP-basie es Ve ah en zu Vo he sage de Fülls ände eines
Regenübe lau beckens wi d du ch Flasch u. a. [
37
]besch ieben. Dabei konn e GP als alleins ehen-
des Modellie ungswe kzeug keine geeigne en Vo he sagen gene ie en.
10
Als neue En wicklung im
P ojek FIWA wu de GP eingese z , um die Ke nel Funk ionen des INT2 Modells zu op imie en.
Dieses neue hyb ide Ve ah en aus analy ischen Me hoden au dem S and de Technik (INT2) und
mode nen CI-basie en Me hoden (GP) konn e seh gu e Vo he sagen gene ie en. Ein Beispiel ü
die Un e schiede zwischen dem klassischen INT2 Modell und dem neuen hyb iden Ve ah en wi d
in Abbildung 13 gezeig . Fü das hyb ide GP/INT2 Sys em wu de mi SPO eine Op imie ung de
Pa ame e o genommen. Dies e möglich e eine zusä zliche S eige ungen de Vo he sagegenauigkei .
Fü den en wickel en Ansa z e gib sich dami das in Abbildung 14 abgebilde e Schema. Au de
un e s en Ebene benu z das INT2 Modell die Regen- und Fülls andsda en um au Basis de einges ell-
en Ke nel unk ionen die Fülls ände o he zusagen. Die o he gesag en Fülls ände we den mi den
ech en e glichen, um den Fehle zu bes immen. Diese Fehle wi d im GP-Sys em benu z , um die
Quali ä eines Sa zes on Ke nel unk ionen zu begu ach en. De Fehle des bes en on GP ge undenen
Sa zes wi d wiede um on SPO genu z , um die Gü e eine Kon igu a ion on GP-Pa ame e n zu
bewe en und zu op imie en. De Benu ze muss dabei nu selek ie en, welche Pa ame e (z.B.:
Popula ionsg ößen, Mu a ions a en, Selek ionsd uck) op imie we den sollen.
Am Beispiel on Suppo Vec o Machines (SVM) ü die Vo he sage on Übe lau becken ülls änden
zeig en Koch u. a. [
45
], wie, neben de Da enanalyse selbs , auch die Da en o e a bei ung mi SPO
op imie we den kann. Mi dem op imie en SVM-Ansa z konn en deu lich besse e E gebnisse als
mi dem klassischen INT2 Modell e eich we den.
Des Wei e en üh en Flasch u. a. [
30
]einen Ve gleich on e schiedenen Kombina ionen aus
Pa ame e -Op imie ung und P ognosealgo i hmen du ch. Hie s anden neben einem mi SPO op i-
mie en, hyb iden GP-Sys em auch wei e e CI-Ve ah en wie Gene ische Algo i hmen und Neu onale
Ne ze zum Ve gleich. Auch in diesem Fall konn e das hyb ide GP/INT2 Modell die ande en Me ho-
10Das au klassischen Ve ah en basie ende INT2 Modell is in [47]aus üh lich besch ieben.
23
3 Wissenscha lich- echnische E gebnisse
0 1000 2000 3000 4000 5000
0 20 40 60 80 100
Time(min.)
Fill Le el(%)
0.0 0.5 1.0 1.5 2.0 2.5
Rain all(mm/min.)
Abbildung 12: Da en übe Regenmengen (oben) und Fülls ände des Übe lau beckens (un en).
den in Hinsich au die Vo he sagegenauigkei kla schlagen. Die Op imie ung mi SPO zeig e eine
signi ikan e Ve besse ung. Dabei wa neben eine Ve besse ung de mi le en Vo he sagegenauigkei
o allem eine deu lich besse e, also kleine e, S anda dabweichung zu beobach en.
3.3.3 W-3: En wicklung eines Bewe ungswe kzeugs ü Wasse wi scha s-P ognosemodelle
Analog zum A bei spake F-3 wu den g aphische und s a is ische We kzeuge aus de So wa eum-
gebung R ü die Bewe ung de du ch GP e zeug en P ognosemodelle angepass . Zudem konn en
die be ei s in A bei spake F-3 benu z en Tools aus de Finanzwi scha e olg eich ü P obleme in
de Wasse wi scha angewende we den. Die E gebnisse kamen in de Folge auch im Rahmen de
GECCO Indus ial Challenge 2012 [40]zum Einsa z. Mi diesen Tools e s ell e Visualisie ungen eig-
nen sich gu , um die Quali ä on Vo he sagen einschä zen zu können, wie Abbildung 13 beispielha
zeig . Ein wei e es en wickel es Tool zum in e ak i en Umgang mi Zei eihen zeig Abbildung 15.
3.3.4 W-4: E alua ion de e eich en P ognosegenauigkei ü Wasse wi scha szei eihen
Die P ognosegenauigkei ü Zei eihen de Wasse wi scha wu de mi Hil e de im A bei spake W-3
en wickel en We kzeuge e aluie . Dabei un e s ü zen die Tools o allem die isuelle Übe p ü ung
de P ognosen. Fü die Resul a e de in Abschni 3.3.2 besch iebenen A bei en kamen die in W-4
e s ell en Me hoden und We kzeuge ü die Bewe ung zu Anwendung.
Als e ablie e Me hoden wu den hie olgende Modellie ungsansä ze e aluie und e glichen:
• Nonlinea Au oReg essi e neu al ne wo ks wi h eXogenous inpu s (NARX)
24
3.6 Wissenscha liche Publika ionen
Cha des P ojek e lau s sepa a ausgewiesen (siehe Abbildung 1).
3.6 Wissenscha liche Publika ionen
Du ch die Mi a bei e des P ojek es FIWA wu den zahl eiche Publika ionen e ö en lich . Dabei
zähl P o . D . Ba z-Beiels ein zu den Fo sche n de FH Köln mi den meis en begu ach e en Pu-
blika ionen. Im P ojek zei aum wu den d ei Büche [
3
,
15
,
14
], sowie zahl eiche Buchbei ä-
ge [
34
,
27
,
15
,
21
,
24
,
27
,
43
], Semina - und Abschlussa bei en [
1
,
29
,
56
], Zei sch i enau -
sä ze [
47
], Kon e enzbei äge [
38
,
18
,
50
,
46
,
20
,
42
,
35
,
4
,
25
,
30
,
39
,
31
,
44
,
45
,
49
,
57
,
23
,
37
,
48
],
und Technische Be ich e [
33
,
19
,
2
,
8
,
9
,
10
,
11
,
12
,
13
,
17
,
26
,
36
,
58
,
53
,
5
,
54
] e ö en lich .
Meh e e eingeladene Vo äge und Tu o ien [
6
,
7
,
51
,
16
,
22
,
32
]und sons ige Vo äge [
28
,
52
,
55
]
wu den im P ojek FIWA gehal en.
Die im P ojek plan angekündig en und im Rahmen des Mas e s udiengangs “Au oma ion & IT”
du chge üh en Case-S udies konn en e olg eich abgeschlossen we den, wobei die A bei en ü CS-4
on dem im P ojek beschä ig en wissenscha lichen Mi a bei e übe nommen wu den. Des Wei e en
wu de die Mas e a bei e MT-1 e olg eich e igges ell . Zusä zlich konn e eine wei e e Mas e a bei
im P ojek ahmen ini iie und du chge üh we den.
Im Rahmen de Kon e enz Gene ic and E olu iona y Compu a ion Con e ence GECCO 2011 konn e
de Wissenscha swe bewe b GECCO INDUSTRIAL CHALLENGE zu P ognosemodellen in de Finanz-
wi scha mi g oßem E olg du chge üh we den. Die E gebnisse des We bewe bs wu den du ch
Flasch u. a. [
35
]besch ieben und analysie . Auch im Folgejah 2012 konn e die GECCO INDUSTRIAL
CHALLENGE e neu e olg eich du chge üh we den [40]und is auch ü 2013 wiede geplan .
Die Nachwuchs ö de ung besi z einen wich igen S ellenwe im P ojek . Dazu gehö auch die
egelmäßige Du ch üh ung on Kolloquien.12
4 |Vo aussich liche Nu zen
Das P ojek FIWA (Me hoden de Compu a ional In elligence ü Vo he sagemodelle in de Finanz-
und Wasse wi scha ) is in einem seh wei o gesch i enen En wicklungss adium, wich ige Mei-
lens eine wu den plangemäß e eich und in e essan e wissenscha liche E gebnisse konn en ü
Anwendungen sowohl de Finanzwi scha wie auch de Wasse wi scha e zeug we den. Ein
de aillie e Ve gleich des P ojek s ands mi de u sp ünglich e anschlag en Zei planung wu de
be ei s in Abschni 3 du chge üh .
Du ch die Nu zung de eien S a is ikso wa e R konn e de En wicklungsau wand einige Kompo-
nen en zu Zei eihenanalyse signi ikan gesenk we den. Dies üh e auch zu E spa nissen bei zu
bescha ende So wa e. Du ch den Einsa z on Open Sou ce So wa e konn e die Reichwei e de
en wickel en We kzeuge, auch ü den Einsa z in de Leh e, s a k e wei e we den. Gleichzei ig s ieg
jedoch du ch den Weg all des bei komme zielle So wa e üblichen Suppo s de A bei sau wand ü
den im P ojek beschä ig en wissenscha lichen Mi a bei e .
12
Siehe
h p:// a 70s236.e o. h-koeln.de/ai /con en /e183/e893/e1127/index_ge .h ml
ü eine Lis-
e de Vo äge.
31

5 E gebnisse D i e
Die A bei spake e F-3, F-4, sowie W-3 und W-4 wu den beding du ch die Aus ich ung de GECCO
INDUSTRIAL CHALLENGE 2011 und 2012 mi e was e höh em Au wand bea bei e .
Wei e e Nu zen läss sich be ei s in e schiedenen Be eichen beobach en. Hie sind zue s de
wissenscha liche und de wi scha liche Be eich zu nennen. Die im P ojek FIWA en wickel en
Me hoden we den in e schiedenen Be eichen de Wi scha eingese z , eine konk e e Besch eibung
de Me hoden bei den jeweiligen Anwende n is alle dings nich möglich.
Da übe hinaus sind die neu en wickel en Me hoden e ö en lich wo den, sodass sie auch in
wissenscha liche Hinsich Nu zen e ziel haben und wei e e zielen. Das FIWA GP-Sys em, als
ypisie es G aph-basie es GP-Sys em, is ü die G undlagen o schung seh in e essan . De a ige
GP-Sys eme gene ie en Lösungen (P og amme), die ex e n wie in e n mi Da en e schiedene
Typen (beispielsweise Zahlen, Zeichen eihen, Zei eihen, e c.) a bei en. Dies un e scheide sie on
un ypisie en GP-Sys emen und mach sie zudem ü den P axiseinsa z in e essan . Basie end au den
en wickel en Me hoden konn e das In e esse neue Koope a ionspa ne geweck we den, mi denen
neue P ojek e geplan ode be ei s umgese z we den.
Das in de Vo habenbesch eibung geplan e FIWA-Nachwuchs eam is e ablie wo den, es se z
sich mi le weile aus deu lich meh S uden en und P omo ie enden zusammen als damals geplan .
Da übe hinaus inden T e en nahezu wöchen lich s a . Mi le weile is das Nachwuchs eam in de
Fo schungsg uppe SPOTSEVEN au gegangen, einen ak uellen Übe blick übe Themen und Ak i i ä en
lie e de en Web-Sei e www.spo se en.de.
Die Inhal e und E gebnisse des P ojek s haben Einzug in e schiedene Vo lesungen genommen, so
we den GP-G undlagen mi le weile in den Vo lesungen DDMO (Da a D i en Modeling and Op imi-
za ion) und APCO (Ad anced P ocess Con ol and Op imiza ion) des An ags elle s ü den Mas e -
S udiengang Au oma ion & IT einge üh und du ch Beispiele aus dem P ojek e gänz .
5 |E gebnisse D i e
Wäh end de Du ch üh ung des Vo habens wu de auch bei ande en S ellen die Anwendung on
GP in de Finanz- und e s mals auch in de Wasse wi scha e o sch . Mi einigen diese ex e nen
Fo schungsg uppen bes ehen inzwischen Koope a ionen.
Gene ic P og amming
Das ame ikanische Un e nehmen E ol ed Analy ics LLC und sein belgische
Pa ne E ol ed Analy ics Eu ope BVBA en wickel en das komme zielle GP-Sys em Da aModele
au Basis des Compu e algeb a-Sys ems Ma hema ica de Wol am Resea ch LLC. Komme zielle
Lizenzen ü Da aModele sind in 2012 allgemein e ügba .
13
Das Sys em wu de p imä zu schnellen
indus iellen Da enanalyse, Da enin e p e a ion und Da enexplo a ion mul i a ia e Da ensä ze
en wo en. Da aModele kann zu au oma ischen E s ellung on Zei eihenp ognosemodellen genu z
we den. Aus de Koope a ion mi E ol ed Analy ics Eu ope sind gemeinsame Ve ö en lichungen im
P ojek ahmen he o gegangen. [38, 41]
Eine Ausg ündung de ame ikanischen Co nell Uni e si y, die Nu onian Inc., en wickel e das
komme zielle GP-Sys em Eu equa. Im Gegensa z zu Da aModele und RGP basie das Sys em nich
13Siehe h p://www.e ol ed-analy ics.com/?q=da amodele ü De ails.
32
au eine bes ehenden s a is ischen ode ma hema ischen S anda dso wa e, sonde n wi d als „s and-
alone“-Lösung genu z . Eu equa wu de p imä zu Sys emiden i ika ion en wickel , d.h. zu En de-
ckung on physikalischen Gese zen au Basis on mul i a ia en Messda en.
14
Mi Anpassungen kann
das Sys em auch ü Anwendungen in de Finanz- und Wasse wi scha genu z we den.
Finanzwi scha
Im Be eich de Anwendung on GP in de Finanzwi scha sind d ei Ve ö en -
lichungen on In e esse. Wilson u. Banzha
[99]
un e suchen die Ve wendung on Linea Gene ic
P og ammig (LGP) ü den au oma ischen De isenhandel ü ie Lei wäh ungen. Fi ness unk ionen
mi e schiedene Reali ä s eue, du ch die op ionale Be ücksich igung des höchs en Ve lus es (Maxi-
mum D awdown) wu den un e such . Wei e hin wu den e schiedene Fi nessa en ü e schiedene
Ma k si ua ionen un e such im Hinblick ih e Pe o manz übe die Zei , de e zeug en Handelss a-
egien und ih e Gesam en abili ä . Die Analyse de Handels en abili ä zeig , dass das LGP-Sys em
in de Lage is , mi mode a e Handelsak i i ä P o i zu e zielen und Ve lus e zu e meiden.
In eine Folge e ö en lichung un e suchen Wilson u. a.
[100]
die Ve besse ung ih es LGP-Sys ems
du ch die In eg a ion on Fil e n. Un e ande em wi d LGP au e schiedene In aday-Zei äume
angewand , um ein Handelssignal zu e zeugen. Vie e schiedene Zei eihen, die länge in die
Ve gangenhei eichen, we den un e such . Zwei e schiedene En scheidungsmechanismen ü die
E zeugung des Gesam handelssignals aus einem Ensemble on GP-E zeug en Signalen aus allen
Zei be eichen we den eben alls un e such , wobei eine au Meh hei su eil und de ande e au de
zei gleichen Nähe des Kau signals be uh . Die E gebnisse zeigen die Übe legenhei des Meh hei s-
u eils. Wei e e Analysen zeigen ausse dem, dass das T aining au länge e Zei eihen zu besse en
Handels a egien üh , sowohl in Mä k en mi Au wä s end wie auch in Mä k en mi Abwä s-
end. [100]
Se mpinis u.a.
[95]
e gleichen Psi Sigma Ne ze (PSI), eine mode ne Va ian e küns liche neu o-
nale Ne ze, mi dem Gene Exp ession algo i hm (GEP), eine GP-Va ian e, bei de Vo he sage und
dem De isenhandel des EURUSD Wechselku ses. Als Benchma k dien die Pe o manz eines Mul i-
Laye Pe cep on (MLP), einem eku en en künz lichen neu onalen Ne zwe k, die Pe o manz eines
ein achen GP Basisalgo i hmus (GP), die Pe o manz eines ARMA-Modells, sowie die Pe o manz
des nai en Modells, welches den le z en bekann en We als Vo he sage e wende . Bei simulie en
Handel e eichen PSI und GEP e gleichba e Pe o manz. Beide Modelle e zielen höhe e Pe o manz
als alle Benchma ks (MLP, GP, ARMA, nai ), gemessen an jäh liche Rendi e.
Wasse wi scha
Im Be eich GP-Anwendungen in de Wasse wi scha is eine Ve ö en lichung
on d i e Sei e on Rele anz. Londhe u. Dixi
[84]
besch eiben ein Sys em ü die Ech zei -Schä zung
on Wellenhöhen im Gol on Mexiko au GP-Basis. Das Sys em wende einen GP-Algo i hmus an,
um ehlende Da en zu Wellenhöhen an Messs a ionen anhand on Da en ande e S a ionen in de
Umgebung möglichs genau zu schä zen, es handel sich also um ein mul i a ia es Reg essionsp o-
blem. Im empi ischen Teil wu den die Da en on sechs egionalen Messs a ion zu Schä zung de
Da en on ün benachba en Messs a ionen he angezogen. Ein Ve gleich de Gü e de Schä zung mi
ande en mode nen CI-Me hoden zeig die Übe legenhei on GP bei diesem Anwendungsp oblem.
14Siehe h p://www.nu onian.com/eu eqa/ ü De ails.
33
6 Ve ö en lichungen im P ojek
In dem eben alls in de Fö de linie Ingenieu nachwuchs 2009 ge ö de en P ojek SOMA (P o . D .
W. Konen, FH Köln) wu de e s mal SPO au klassische Me hoden des Machine Lea ning angewand .
Du ch in ensi e Zusammena bei mi diesem P ojek s and FIWA eine Anzahl mode ne P ognose-
modelle als Benchma k zu Ve ügung. SOMA be eilig e sich an de Bescha ung on Rechenkno en
des in Abschni 3.4.2 e wähn en Rechenclus e s und nu z e diesen Clus e gemeinsam mi FIWA-
Mi a bei e n. Dadu ch konn e übe die gesam e P ojek lau zei und auch nach P ojek ende eine
e izien e und hohe Nu zung de Ressou cen des Clus e s siche ges ell we den.
6 |Ve ö en lichungen im P ojek
[1]
AL-BADDAI, Saad ; AL-SUBARI, Ka ema: Case-S udy: Da a Mining Fo P edic i e Con ol In En i onmen al
Technology. Feb ua y 2010
[2]
BARTZ-BEIELSTEIN, T: Op imie ung on P ozess a iablen beim Sp i zgießen /Cologne Uni e si y o
Applied Sciences. 2010. – Fo schungsbe ich
[3]
BARTZ-BEIELSTEIN, T. (H sg.) ; CHIARANDINI, M. (H sg.) ; PAQUETE, L. (H sg.) ; PREUSS, M. (H sg.):
P oceedings o Wo kshop on Expe imen al Me hods o he Assessmen o Compu a ional Sys ems join o
PPSN2010. 2010 (Compu e Science se ies o he Do mund Uni e si y TR10-2-007)
[4]
BARTZ-BEIELSTEIN, Th. ; FLASCH, O. ; KOCH, P. ; KONEN, W.: SPOT: A Toolbox o In e ac i e and Au oma ic
Tuning in he R En i onmen . In: HOFFMANN, F. (H sg.) ; HÜLLERMEIER, E. (H sg.): P oceedings 20.
Wo kshop Compu a ional In elligence, Uni e si ä s e lag Ka ls uhe, 2010, S. 264–273
[5]
BARTZ-BEIELSTEIN, Thomas: Sequen ial Pa ame e Op imiza ion. In: BRANKE, Jü gen (H sg.) ; NELSON,
Ba y L. (H sg.) ; POWELL, Wa en B. (H sg.) ; SANTNER, Thomas J. (H sg.): Sampling-based Op imiza ion
in he P esence o Unce ain y. Dags uhl, Ge many : Schloss Dags uhl - Leibniz-Zen um ue In o ma ik,
Ge many, 2009 (Dags uhl Semina P oceedings 09181). – ISSN 1862–4405
[6]
BARTZ-BEIELSTEIN, Thomas: Au oma ic and In e ac i e Tuning o Algo i hms—The Sequen ial Pa ame e
Op imiza ion Toolbox (In i ed alk). Leiden Uni e si y NL, Decembe 2010
[7]
BARTZ-BEIELSTEIN, Thomas: Expe imen al Analysis o Op imiza ion Algo i hms. In e na ional Wo kshop on
Na u e Inspi ed Compu a ion and Applica ions. Uni e si y o Science and Technology o China, Ok obe
2010
[8]
BARTZ-BEIELSTEIN, Thomas: Pe o ming Expe imen s Using he Sequen ial Pa ame e Op imiza ion
Toolbox SPOT /Resea ch Cen e CIOP (Compu a ional In elligence, Op imiza ion and Da a Mining).
Ve sion: July 2010.
h p://maan s03.gm. h-koeln.de/webpub/CIOPRepo s.d/Ba 10m.d/
Ba 10m.pd
. Cologne Uni e si y o Applied Science, Facul y o Compu e Science and Enginee ing
Science, July 2010 (06/10). – CIOP Technical Repo . – ISSN 2191–365X
[9]
BARTZ-BEIELSTEIN, Thomas: Pe o ming Me a Expe imen s Using he Sequen ial Pa ame e Op imiza ion
Toolbox SPOT /Cologne Uni e si y o Applied Sciences. Ve sion: Aug 2010.
h p://maan s03.gm.
h-koeln.de/webpub/CIOPRepo s.d/Ba 10o.d/Ba 10o.pd
. Cologne Uni e si y o App-
lied Science, Facul y o Compu e Science and Enginee ing Science, Aug 2010 (08/10). – CIOP Technical
Repo . – ISSN 2191–365X
34
6 Ve ö en lichungen im P ojek
[10]
BARTZ-BEIELSTEIN, Thomas: Sequen ial Pa ame e Op imiza ion—An Anno a ed Bibliog a-
phy /Resea ch Cen e CIOP (Compu a ional In elligence, Op imiza ion and Da a Mining).
Ve sion:Ap il 2010.
h p://maan s03.gm. h-koeln.de/webpub/CIOPRepo s.d/Ba 10b.
d/spo anno a edbib.pd
. Cologne Uni e si y o Applied Science, Facul y o Compu e Science
and Enginee ing Science, Ap il 2010 (04/10). – CIOP Technical Repo . – ISSN 2191–365X
[11]
BARTZ-BEIELSTEIN, Thomas: Se e i y Tes ing as a Me a-s a is ical P inciple o Compa ing Algo i hms /
Ins i u e o Compu e Science. Facul y o Compu e Science and Enginee ing Science, Cologne Uni e si y
o Applied Sciences, Ge many, 2010 (05/2010). – Fo schungsbe ich
[12]BARTZ-BEIELSTEIN, Thomas: SPOT: An R Package Fo Au oma ic and In e ac i e Tuning o Op imiza ion
Algo i hms by Sequen ial Pa ame e Op imiza ion /Resea ch Cen e CIOP (Compu a ional In elligence,
Op imiza ion andDa a Mining). Ve sion: June 2010.
h p://a xi .o g/abs/1006.4645
. Cologne
Uni e si y o Applied Science, Facul y o Compu e Scienceand Enginee ing Science, June 2010 (05/10).
– CIOP Technical Repo . – ISSN 2191–365X. – Commen s: Rela ed so wa e can be downloaded om
h p://c an. -p ojec .o g/web/packages/SPOT/index.h ml
[13]
BARTZ-BEIELSTEIN, Thomas: W i ing In e aces o he Sequen ial Pa ame e Op imiza ion ToolboxSPOT
/Cologne Uni e si y o Applied Sciences. Ve sion: July 2010.
h p://maan s03.gm. h-koeln.
de/webpub/CIOPRepo s.d/Ba 10n.d/Ba 10n.pd
. Cologne Uni e si y o Applied Science,
Facul y o Compu e Science and Enginee ing Science, July 2010 (07/10). – CIOP Technical Repo . –
ISSN 2191–365X
[14]
BARTZ-BEIELSTEIN, Thomas (H sg.) ; CHIARANDINI, Ma co (H sg.) ; PAQUETE, Luis (H sg.) ; PREUSS, Mike
(H sg.): Expe imen al Me hods o he Analysis o Op imiza ion Algo i hms. Be lin, Heidelbe g, New Yo k
: Sp inge , 2010.
h p://dx.doi.o g/10.1007/978-3-642-02538-9
.
h p://dx.doi.o g/
10.1007/978-3-642-02538-9
[15]
BARTZ-BEIELSTEIN, Thomas ; CHIARANDINI, Ma co ; PAQUETE, Luis ; PREUSS, Mike: In oduc ion—
Expe imen al Me hods o he Analysis o Op imiza ion Algo i hms. In: BARTZ-BEIELSTEIN, Thomas
(H sg.) ; CHIARANDINI, Ma co (H sg.) ; PAQUETE, Luis (H sg.) ; PREUSS, Mike (H sg.): Expe imen al
Me hods o he Analysis o Op imiza ion Algo i hms. Be lin, Heidelbe g, New Yo k : Sp inge , 2010, S.
1–13
[16]
BARTZ-BEIELSTEIN, Thomas ; DAVIS, Da id ; MEHNEN, Jö n: E olu iona y Compu a ion in P ac ice ack a
Gene ic and E olu iona y Compu a ion Con e ence (GECCO).
h p://www.isgec.o g/gecco-2009/
ecp.h ml. Ve sion: 2009
[17]
BARTZ-BEIELSTEIN, Thomas ; FLASCH, Oli e ; KOCH, Pa ick ; KONEN, Wol gang: SPOT: A Toolbox o
In e ac i e and Au oma ic Tuning o Sea ch Heu is ics and Simula ion Models in he R En i onmen /
Cologne Uni e si y o Applied Sciences. 2010. – Fo schungsbe ich
[18]
BARTZ-BEIELSTEIN, Thomas ; FLASCH, Oli e ; ZAEFFERER, Ma in: Sequen ial Pa ame e Op imiza ion o
Symbolic Reg ession. In: GUSTAFSON, S e en (H sg.) ; VLADISLAVLEVA, Eka e ina (H sg.): GECCO 2012
Symbolic eg ession and modeling wo kshop. Philadelphia, Pennsyl ania, USA : ACM, July 2012. – ISBN
978–1–4503–1178–6, S. 495–496
[19]
BARTZ-BEIELSTEIN, Thomas ; FRIESE, Ma ina ; FLASCH, Oli e ; KONEN, Wol gang ; KOCH, Pa ick ; NAUJOKS,
Bo is: Ensemble-Based Modeling /Resea ch Cen e CIOP (Compu a ional In elligence, Op imiza ion and-
Da a Mining). Ve sion:June 2011.
h p://maan s03.gm. h-koeln.de/webpub/CIOPRepo s.
35
6 Ve ö en lichungen im P ojek
d/Ba 11e.d/Ba 11e.pd
. Cologne Uni e si y o Applied Science, Facul y o Compu e Scienceand
Enginee ing Science, June 2011 (06/11). – CIOP Technical Repo . – ISSN 2191–365X
[20]
BARTZ-BEIELSTEIN, Thomas ; FRIESE, Ma ina ; ZAEFFERER, Ma in ; NAUJOKS, Bo is ; FLASCH, Oli e ;
KONEN, Wol gang ; KOCH, Pa ick: Noisy op imiza ion wi h sequen ial pa ame e op imiza ion and op imal
compu a ional budge alloca ion. In: P oceedings o he 13 h annual con e ence companion on Gene ic and
e olu iona y compu a ion. New Yo k, NY, USA : ACM, 2011 (GECCO ’11). – ISBN 978–1–4503–0690–4,
119–120
[21]
BARTZ-BEIELSTEIN, Thomas ; LASARCZYK, Ch is ian ; PREUSS, Mike: The Sequen ial Pa ame e Op imiza ion
Toolbox. In: BARTZ-BEIELSTEIN, Thomas (H sg.) ; CHIARANDINI, Ma co (H sg.) ; PAQUETE, Luis (H sg.)
; PREUSS, Mike (H sg.): Expe imen al Me hods o he Analysis o Op imiza ion Algo i hms. Be lin,
Heidelbe g, New Yo k : Sp inge , 2010, S. 337–360
[22]
BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike: Expe imen al esea ch in e olu iona y compu a ion–The
Fu u e o Expe imen al Resea ch (Tu o ial). Gene ic and E olu iona y Compu a ion Con . (GECCO 2009),
Mon eal, CA, July, 2009
[23]
BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike: The u u e o expe imen al esea ch. In: ROTHLAUF, F anz
(H sg.): GECCO (Companion), ACM, 2009. – ISBN 978–1–60558–505–5, S. 3185–3226
[24]BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike: The Fu u e o Expe imen al Resea ch. In: BARTZ-BEIELSTEIN,
Thomas (H sg.) ; CHIARANDINI, Ma co (H sg.) ; PAQUETE, Luis (H sg.) ; PREUSS, Mike (H sg.): Expe imen al
Me hods o he Analysis o Op imiza ion Algo i hms. Be lin, Heidelbe g, New Yo k : Sp inge , 2010, S.
17–46
[25]
BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike: Tuning and expe imen al analysis in e olu iona y compu a ion:
wha we s ill ha e w ong (Tu o ial). Gene ic and E olu iona y Compu a ion Con . (GECCO 2010),
Po land, OR, July, 2010
[26]
BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike ; SCHMITT, Ka lheinz ; SCHWEFEL, Hans-Paul: Challenges o
Con empo a y E olu iona y Algo i hms /Facul y o Compu e Science, Algo i hm Enginee ing (Ls11),
TU Do mund. 2010 (TR10-2-003). – Technical Repo
[27]
BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike ; SCHWEFEL, Hans-Paul: Model Op imiza ion wi h E olu iona y
Algo i hms. In: LUCAS, K. (H sg.) ; ROOSEN, P. (H sg.): Eme gence, Analysis, and E olu ion o S uc u es—
Concep s and S a egies Ac oss Disciplines. Be lin, Heidelbe g, New Yo k : Sp inge , 2010, S. 47–62
[28]
DAVTYAN, A u : SPO-op imzed NARX o ill-le el p edic ion in s o mwa e anks (Vo ag). COSA-
Kolloquium, Cologne Uni e si y o Applied Sciences, Feb ua 2010. –
h p:// a 70s236.e o.
h-koeln.de/ai /con en /e183/e893/e1127/index_ge .h ml
[29]
DAVTYAN, A u ; OYETOYAN, Daniel T. ; TAMUTAN, Michael: Case-S udy: Fill-le el p edic ion in s o mwa e
anks. Feb ua y 2010
[30]
FLASCH, O. ; BARTZ-BEIELSTEIN, Th. ; DAVTYAN, A. ; KOCH, P. ; KONEN, W. ; OYETOYAN, T.D. ; TAMUTAN, M.:
Compa ing SPO- uned GP and NARX p edic ion models o s o mwa e ank ill le el p edic ion. In:
FOGEL, Ga y e a. (H sg.): P oc. IEEE Cong ess E olu iona y Compu a ion (CEC), 2010, S. 1579–1586
[31]
FLASCH, O. ; BARTZ-BEIELSTEIN, Th. ; KOCH, P. ; KONEN, W.: Clus e ing Based Niching o Gene ic
P og amming in he R En i onmen . In: HOFFMANN, F. (H sg.) ; HÜLLERMEIER, E. (H sg.): P oceedings 20.
Wo kshop Compu a ional In elligence, Uni e si ä s e lag Ka ls uhe, 2010, S. 33–46
36

6 Ve ö en lichungen im P ojek
[32]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: Sequen ial pa ame e op imiza ion applied o e olu iona y
s a egies o po olio op imiza ion. Thi d In e na ional Con e ence on Compu a ional and Financial
Econome ics (CFE 09) and Second Wo kshop o he ERCIM Wo king G oup on Compu ing & S a is ics
(ERCIM 09). Limassol, Cyp us, Oc obe 2009
[33]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: Towa ds a F amewo k o he Empi ical Analysis o Ge-
ne ic P og amming Sys em Pe o mance /Resea ch Cen e CIOP (Compu a ional In elligence, Op i-
miza ion and Da a Mining). Ve sion: May 2012.
h p://maan s03.gm. h-koeln.de/webpub/
CIOPRepo s.d/Flas12a.d/ciop0512.pd
. Facul y o Compu e Science and Enginee ing Science,
Cologne Uni e si y o Applied Sciences, Ge many, May 2012 (05/12). – CIOP Technical Repo . – ISSN
2191–365X
[34]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: A F amewo k o he Empi ical Analysis o Gene ic P og am-
ming Sys em Pe o mance. In: RIOLO, Rick (H sg.) ; VLADISLAVLEVA, Eka e ina (H sg.) ; MOORE, Jason H.
(H sg.): Gene ic P og amming Theo y and P ac ice X. Ann A bo , USA : Sp inge , Mai 2013 (in p in )
(Gene ic and E olu iona y Compu a ion)
[35]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas ; 1, Daniel B. ; KANTSCHIK, Wol gang ; STRACHWITZ,
Ch is ian on: Resul s o he GECCO 2011 Indus ial Challenge: Op imizing Fo eign Exchange T a-
ding S a egies /Resea ch Cen e CIOP (Compu a ional In elligence, Op imiza ion and Da a Mi-
ning). Ve sion: Decembe 2011.
h p://maan s03.gm. h-koeln.de/webpub/CIOPRepo s.d/
Flas11a.d/Flas11a.pd
. Cologne Uni e si y o Applied Science, Facul y o Compu e Scienceand
Enginee ing Science, Decembe 2011 (10/11). – CIOP Technical Repo . – ISSN 2191–365X
[36]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas ; DAVTYAN, A u ; KOCH, Pa ick ; KONEN, Wol gang ; OYE-
TOYAN, Tosin D. ; TAMUTAN, Michael: Compa ing CI Me hods o P edic ion Models in En i onmen al
Enginee ing /Resea ch Cen e CIOP (Compu a ional In elligence, Op imiza ion and Da a Mining).
Ve sion:Feb 2010.
h p://maan s03.gm. h-koeln.de/webpub/CIOPRepo s.d/Flas10a.d/
ciop0210.pd
. Facul y o Compu e Science and Enginee ing Science, Cologne Uni e si y o Applied
Sciences, Ge many, Feb 2010 (02/10). – CIOP Technical Repo . – ISSN 2191–365X
[37]
FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas ; KOCH, Pa ick ; KONEN, Wol gang: Gene ic P og amming
Applied o P edic i e Con ol in En i onmen al Enginee ing. In: HOFFMANN, F ank (H sg.) ; HÜLLERMEIER,
Eyke (H sg.): P oceedings 19. Wo kshop Compu a ional In elligence. Ka ls uhe : KIT Scien i ic Publishing,
2009, S. 101–113
[38]
FLASCH, Oli e ; FRIESE, Ma ina ; VLADISLAVLEVA, Ka ya ; BARTZ-BEIELSTEIN, Thomas ; MERSMANN, Ola ;
NAUJOKS, Bo is ; STORK, Joe g ; ZAEFFERER, Ma in: Compa ing Ensemble-based Fo ecas ing Me hods
o Sma -Me e ing Da a. In: Con e ence on Applica ions o E olu iona y Compu a ion (E oApplica ions),
Sp inge , 2013 (LNCS)
[39]
FLASCH, Oli e ; MERSMANN, Ola ; BARTZ-BEIELSTEIN, Thomas: RGP: An Open Sou ce Gene ic P og am-
ming Sys em o he R En i onmen . In: PELIKAN, Ma in (H sg.) ; BRANKE, Jü gen (H sg.): Gene ic
and E olu iona y Compu a ion Con e ence, GECCO 2010, P oceedings, Po land, O egon, ACM, 2010, S.
2071–2072
[40]
FRIESE, M.: GECCO 2012 Indus ial Challenge.
h p://www.sige o.o g/gecco-2012/
compe i ions.h ml#ic. Ve sion: 2012
37
6 Ve ö en lichungen im P ojek
[41]
FRIESE, Ma ina ; BARTZ-BEIELSTEIN, Thomas ; VLADISLAVLEVA, Ka ya ; FLASCH, Oli e ; MERSMANN,
Ola ; NAUJOKS, Bo is ; ZAEFFERER, Ma in ; STORK, Jö g: Ensemble-Based Model Selec ion o Sma
Me e ing Da a. In: HOFFMANN, F ank (H sg.) ; HÜLLERMEIER, Eyke (H sg.) ; Ins i u ü Angewand e
In o ma ik/Au oma isie ungs echnik am Ka ls uhe Ins i u ü Technologie (Ve ans .): P oceedings 22.
Wo kshop Compu a ional In elligence Ins i u ü Angewand e In o ma ik/Au oma isie ungs echnik am
Ka ls uhe Ins i u ü Technologie, KIT Scien i ic Publishing, 2012, S. 215–228
[42]
FRIESE, Ma ina ; ZAEFFERER, Ma in ; BARTZ-BEIELSTEIN, Thomas ; FLASCH, Oli e ; KOCH, Pa ick ; KONEN,
Wol gang ; NAUJOKS, Bo is: Ensemble Based Op imiza ion and Tuning Algo i hms. In: HOFFMANN, F.
(H sg.) ; HÜLLERMEIER, E. (H sg.): P oceedings 21. Wo kshop Compu a ional In elligence, Uni e si ä s e lag
Ka ls uhe, 2011, S. 119–134
[43]
HUTTER, F ank ; BARTZ-BEIELSTEIN, Thomas ; HOOS, Holge ; LEYTON-BROWN, Ke in ; MURPHY, Ke in P.:
Sequen ial Model-Based Pa ame e Op imisa ion: an Expe imen al In es iga ion o Au oma ed and
In e ac i e App oaches. In: BARTZ-BEIELSTEIN, Thomas (H sg.) ; CHIARANDINI, Ma co (H sg.) ; PAQUETE,
Luis (H sg.) ; PREUSS, Mike (H sg.): Expe imen al Me hods o he Analysis o Op imiza ion Algo i hms.
Be lin, Heidelbe g, New Yo k : Sp inge , 2010, S. 361–414
[44]
KOCH, Pa ick ; KONEN, Wol gang ; FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: Op imiza ion o Suppo
Vec o Reg ession Models o S o mwa e P edic ion. In: HOFFMANN, F. (H sg.) ; HÜLLERMEIER, E. (H sg.):
P oceedings 20. Wo kshop Compu a ional In elligence, Uni e si ä s e lag Ka ls uhe, 2010, S. 146–160
[45]
KOCH, Pa ick ; KONEN, Wol gang ; FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: Op imizing Suppo
Vec o Machines o S o mwa e P edic ion. In: BARTZ-BEIELSTEIN, T. (H sg.) ; CHIARANDINI, M. (H sg.)
; PAQUETE, L. (H sg.) ; PREUSS, M. (H sg.): P oceedings o Wo kshop on Expe imen al Me hods o he
Assessmen o Compu a ional Sys ems join o PPSN2010. TU Do mund, 2010 ( TR10-2-007), 47–59
[46]
KOCH, Pa ick ; KONEN, Wol gang ; NAUJOKS, Bo is ; FLASCH, Oli e ; FRIESE, Ma ina ; ZAEFFERER, Ma in ;
BARTZ-BEIELSTEIN, Thomas: Tuned Da a Mining in R. In: HOFFMANN, F. (H sg.) ; HÜLLERMEIER, E. (H sg.):
P oceedings 21. Wo kshop Compu a ional In elligence, Uni e si ä s e lag Ka ls uhe, 2011, S. 147–160
[47]
KONEN, W. ; ZIMMER, T. ; BARTZ-BEIELSTEIN, T.: Op imized Modelling o Fill Le els in S o mwa e Tanks
Using CI-based Pa ame e Selec ion Schemes (in ge man). In: a -Au oma isie ungs echnik 57 (2009), N .
3, S. 155–166. h p://dx.doi.o g/10.1524/au o.2009.0756. – DOI 10.1524/au o.2009.0756
[48]
KONEN, Wol gang ; BARTZ-BEIELSTEIN, Thomas: Rein o cemen lea ning o games: ailu es and successes.
In: GECCO ’09: P oceedings o he 11 h Annual Con e ence Companion on Gene ic and E olu iona y
Compu a ion Con e ence. New Yo k, NY, USA : ACM, 2009, S. 2641–2648
[49]
KONEN, Wol gang ; KOCH, Pa ick ; FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas: Pa ame e -Tuned Da a
Mining: A Gene al F amewo k. In: HOFFMANN, F. (H sg.) ; HÜLLERMEIER, E. (H sg.): P oceedings 20.
Wo kshop Compu a ional In elligence, Uni e si ä s e lag Ka ls uhe, 2010
[50]
KONEN, Wol gang ; KOCH, Pa ick ; FLASCH, Oli e ; BARTZ-BEIELSTEIN, Thomas ; FRIESE, Ma ina ; NAUJOKS,
Bo is: Tuned Da a Mining: A Benchma k S udy on Di e en Tune s. In: KRASNOGOR, Na alio (H sg.):
GECCO ’11: P oceedings o he 13 h Annual Con e ence on Gene ic and E olu iona y Compu a ion, 2011, S.
1995–2002
[51]
MEHNEN, Jö n ; BARTZ-BEIELSTEIN, Thomas: E olu iona y Compu a ion in P ac ice ack a Gene ic and
E olu iona y Compu a ion Con e ence (GECCO).
h p://www.sige o.o g/gecco-2010/ecp.h ml
.
Ve sion: 2010
38
[52]
OYETOYAN, Daniel T.: Op imizing he GP/INT2 model o ill-le el p edic ion in s o mwa e anks wi h
SPO (Vo ag). COSA-Kolloquium, Cologne Uni e si y o Applied Sciences, Feb ua 2010. –
h p:
// a 70s236.e o. h-koeln.de/ai /con en /e183/e893/e1127/index_ge .h ml
[53]
STOEAN, Ca alin ; PREUSS, Mike ; BARTZ-BEIELSTEIN, Thomas ; STOEAN, Ruxand a: A New Clus e ing-Based
E olu iona y Algo i hm o Real-Valued Mul imodal Op imiza ion /Chai o Algo i hm Enginee ing.
Ve sion:2009.
h p://ls11-www.cs. u-do mund.de/_media/ ech epo s/ 09-07.pd
.
TU Do mund, Do mund, Ge many, 2009 (TR09-2-007). – Technical Repo
[54]
STOEAN, Ruxand a ; BARTZ-BEIELSTEIN, Thomas ; PREUSS, Mike ; STOEAN, Ca alin: A Suppo Vec o
Machine-Inspi ed E olu iona y App oach o Pa ame e Se ing in Me aheu is ics /Resea ch Cen e CIOP
(Compu a ional In elligence, Op imiza ion and Da a Mining). Cologne Uni e si y o Applied Science,
Facul y o Compu e Science and Enginee ing Science, Jan 2009 (01/09). – CIOP Technical Repo . –
ISSN 2191–365X
[55]
TAMUTAN, Michael: GA-op imized NARX o ill-le el p edic ion in s o mwa e anks (Vo ag). COSA-
Kolloquium, Cologne Uni e si y o Applied Sciences, Feb ua 2010. –
h p:// a 70s236.e o.
h-koeln.de/ai /con en /e183/e893/e1127/index_ge .h ml
[56]
ZAEFFERER, Ma in: Simula ion und Op imie ung on Biogasanlagen mi Me hoden de Compu a ional
In elligence, Uni e si y o Applied Sciences Cologne, Facul y o Compu e Science, Diploma bei , Mä z
2010
[57]
ZIEGENHIRT, Jö g ; BARTZ-BEIELSTEIN, Thomas ; FLASCH, Oli e ; KONEN, Wol gang ; ZAEFFERER, Ma in:
Op imiza ion o Biogas P oduc ion wi h Compu a ional In elligence—A Compa a i e S udy. In: FOGEL,
Ga y e a. (H sg.): P oc. 2010 Cong ess on E olu iona y Compu a ion (CEC’10) wi hin IEEE Wo ld Cong ess
on Compu a ional In elligence (WCCI’10), Ba celona, Spain. Pisca away NJ : IEEE P ess, 2010, S. 3606–
3613
[58]
ZIEGENHIRT, Jö g ; BARTZ-BEIELSTEIN, Thomas ; FLASCH, Oli e ; KONEN, Wol gang ; ZAEFFERER, Ma in:
Op imiza ion o Biogas P oduc ion wi h Compu a ional In elligence - A Compa a i e S udy /Resea ch
Cen e CIOP (Compu a ional In elligence, Op imiza ion and Da a Mining). Ve sion: Ma 2010.
h p:
//maan s03.gm. h-koeln.de/webpub/CIOPRepo s.d/Zieg10a.d/ciop0310.pd
. Cologne
Uni e si y o Applied Science, Facul y o Compu e Science and Enginee ing Science, Ma 2010 (03/10).
– CIOP Technical Repo . – ISSN 2191–365X
7 |Li e a u
[59]
BARANSKI, Bas ian: E olu ionss a egien zu Po olioop imie ung un e Nebenbedingungen, Fachbe eich
In o ma ik, Uni e si � Do mund, Diploma bei , 2007
[60]
BARENDREGT, H. ; ABRAMSKY, S. ; GABBAY, D. M. ; MAIBAUM, T. S. E. ; BARENDREGT, H. P.: Lambda Calculi
wi h Types. In: Handbook o Logic in Compu e Science, Ox o d Uni e si y P ess, 1992, S. 117–309
[61]
BARTZ-BEIELSTEIN, Thomas: How Expe imen al Algo i hmics Can Bene i om Mayo’s Ex ensions o
Neyman-Pea son Theo y o Tes ing. In: Syn hese 163 (2008), N . 3, S. 385–396. – DOI10.1007/s11229-
007-9297-z
[62]
BARTZ-BEIELSTEIN, Thomas: Re iew: Design and Analysis o Simula ion Expe imen s by Jack P.C. Kleijnen.
In: INFORMS Compu ing Socie y News 2 (2008), Fall 2008, S. 11–14
39
7 Li e a u
[63]
BARTZ-BEIELSTEIN, Thomas ; BONGARDS, Michael ; CLAES, Ch is oph ; KONEN, Wol gang ; WESTENBERGER,
Ha mu : Da enanalyse und P ozessop imie ung ü Kanalne ze und Klä anlagen mi CI-Me hoden. In:
MIKUT, R. (H sg.) ; REISCHL, M. (H sg.): P oc. 17 h Wo kshop Compu a ional In elligence, Uni e si ä s-
e lag, Ka ls uhe, 2007, S. 132–138
[64]
BARTZ-BEIELSTEIN, Thomas ; LASARCZYK, Ch is ian ; PREUSS, Mike: Sequen ial Pa ame e Op imiza ion.
In: MCKAY, B. (H sg.) u. a.: P oceedings 2005 Cong ess on E olu iona y Compu a ion (CEC’05), Edinbu gh,
Sco land Bd. 1. Pisca away NJ : IEEE P ess, 2005, S. 773–780
[65]
BARTZ-BEIELSTEIN, Thomas ; LASARCZYK, Ch is ian ; PREUSS, Mike: Sequen ial Pa ame e Op imiza ion
Toolbox /Uni e si ä Do mund, Ge many. Ve sion: 2008.
h p://s bci.uni-do mund.de/
Publica ions/Re e ence/Downloads/25608.pd . 2008. – Technical Repo
[66]
BRABAZON, An hony ; O’NEILL, Michael: Biologically Inspi ed Algo i hms o Financial Modelling. Sp inge ,
2006 (Na u al Compu ing)
[67]
BROCKWELL, Pe e J. ; DAVIS, Richa d A.: In oduc ion o Time Se ies and Fo ecas ing. New Yo k NY :
Sp inge , 2002
[68]
BURKHART, Ma in: E p obung und Op imie ung on Vo klï¿
½
beckenmodellen, Uni e si ï¿
½
Kaise slau-
e n, Diploma bei , 2002
[69]
CATTANEO, Giuseppe ; ITALIANO, Giuseppe: Algo i hm enginee ing. In: ACM Compu . Su . 31 (1999),
N . 3, S. 3
[70]COX, D. R.: Planning o Expe imen s. New Yo k NY : Wiley, 1958
[71]COX,D.R.;HINKLEY, D. V.: Theo e ical S a is ics. London : Chapman and Hall, 1974
[72]
FUCHS, L. ; SEGGELKE, K.: Gemeinsame Bewi scha ung on Kanalne z und Klä anlage. In: ATV-
DVWK-Wo kshop Mess- und Regelungs echnik in abwasse echnischen Anlagen. Wuppe al, 2003, S.
1–9
[73]
GRÜNING, H.: Ab lusss eue ung - quo adis? In: KA Ko espondenz Abwasse , Ab all 55 (2008), S.
358–364
[74]
GRÜNING, H. ; ORTH, H. M.: Un e suchungen zu E izienz eine Ve bunds eue ung on Kanalne z und
Klä analge au de Basis inno a i e Mess echniken. In: KA-Abwasse , Ab all (2004), N . 7
[75]
HACKING, I.: Ein üh ung in die Philosophie de Na u wissenscha en. S u ga , Ge many : Reclam, 1996
[76]
HILMER, T. ; BONGARDS, M.: In eg ie e S eue - und Regels a egien ï¿
½
Kanalne z und Klï¿
½
anlage /
Cologne Uni e si y o Applied Sciences. 2008. – Fo schungsbe ich
[77]
HUI, A.: Using Gene ic P og amming o Pe o m Time-Se ies Fo ecas ing o S ock P ices. In: KOZA,
John R. (H sg.): Gene ic Algo i hms and Gene ic P og amming a S an o d 2003. S an o d, CA : S an o d
Books o e, 2003, S. 83–90
[78]
IFAK:Simula ionssys em SIMBA.
h p://www.i ak-sys em.de/p oduk e/
simula ionsso wa e/abwasse simula ion/simba-6.h ml, 2008
[79]KANTSCHIK, Wol gang: Gene ische P og ammie ung und Schach, Uni e si ïä Do mund, Diss., 2006
40