Abstract
Metaheuristische Algorithmen wie genetische Algorithmen und Partikelschwarmoptimierung werden häufig für komplexe Optimierungsprobleme eingesetzt, bieten jedoch
nur begrenzte Möglichkeiten, menschliches Wissen während der Suche einzubeziehen.
Strukturelle Mängel in der Lösung oder implizite Anforderungen, die Benutzerinnen
und Benutzern auffallen, können nach Beginn des Laufs nicht mehr berücksichtigt wer
den.
Diese Arbeit untersucht, wie menschliches Feedback durch gezielte Interventionsme
chanismen in die metaheuristische Optimierung integriert werden kann. Es werden vier
Interaktionskategorien vorgeschlagen: harte Nebenbedingungen, die strukturelle Anfor
derungen durchsetzen, auf Ähnlichkeit basierende Präferenzen, die die Suche in Rich
tung Referenzlösungen lenken, manuelle Eingriffe, die Kandidatenlösungen direkt mo
difizieren, und skriptgesteuerte Interventionen, die diese Aktionen programmgesteuert
kombinieren. Die Mechanismen werden für verschiedene Problemtypen definiert und in
mehrere Metaheuristiken integriert.
Sie werden in Synapse implementiert, einem neuen modularen Framework, das es
ermöglicht, alle Human-in-the-Loop-Mechanismen zur Laufzeit über eine grafische Ober
fläche, problemspezifische Visualisierungen und konfigurierbare Trigger, die die Optimie
rung an aussagekräftigen Zeitpunkten unterbrechen, zu konfigurieren und anzuwenden.
Ein Skript-Subsystem führt C#-Interventionsskripte zur Laufzeit aus, und eine KI
gestützte Pipeline generiert solche Skripte aus Beschreibungen in natürlicher Sprache.
Sieben Experimente untersuchen die Auswirkungen der vorgeschlagenen Mechanis
men auf verschiedene Algorithmen und Problemtypen. Die Ergebnisse zeigen, dass ein
Eingriff hilft, wenn er zur Suche der Population passt, und schadet, wenn er eine lau
fende Konvergenz stört. Eine moderate Eingriffsstärke schneidet durchweg besser ab als
aggressive Einstellungen, und Mechanismen, die Lösungen direkt modifizieren, sind im
Allgemeinen effektiver als Ansätze, die die Population lediglich filtern. Die KI-gestützte
Pipeline generiert funktional korrekte Skripte für klar definierte Anfragen, hat jedoch
Schwierigkeiten mit mehrdeutigen Eingaben.
Insgesamt zeigen die Ergebnisse, dass die Human-in-the-Loop-Interaktion weder
grundsätzlich vorteilhaft noch nachteilig ist. Ihre Wirksamkeit hängt vom gewählten
Mechanismus, der Qualität des menschlichen Eingriffs und dem Stand der Suche zum
Zeitpunkt der Intervention ab.
| Datum der Bewilligung | 2026 |
|---|---|
| Originalsprache | Englisch (Amerika) |
| Gradverleihende Hochschule |
|
| Betreuer/-in | Johannes Alexander Karder (Betreuer*in) |
Studiengang
- Software Engineering
Zitieren
- Standard