PhiLIOsoph

07.07.2008

Lernleistung

Abgelegt unter: Uncategorized — Robert @ 12:09:55

Auf dieser Seite stelle ich wie angekündigt meine besondere Lernleistung mit dem Titel “Einführung in die Spieltheorie” zur Schau, die ich 2008 mit 15 Punkten in mein Abitur an der Justus-Liebig-Schule eingebracht habe. Dazu gehören neben der Einführung in die Spieltheorie ein evolutionärer Algorithmus zur Bewältigung des Traveling-Salesman-Problems und ein weiterer zur Demonstration der evolutionären Spieltheorie. Beide Algorithmen können hier heruntergeladen und eingesehen werden.
Leider hatte ich in der Zwischenzeit einen schweren Festplattenschaden, der die Veröffentlichung der Lernleistung verzögert hat. Es sind dabei leider einige erklärende Texte und mehrere Verbesserungen verlorengegangen, die ich speziell für diese Veröffentlichung erstellt bzw. gemacht hatte. Vorerst muss also das hier genügen. Ich hoffe, dass ich nichts vergessen habe…

Ich stelle die gesamte Lernleistung unter folgende Lizenz:

Creative Commons License
Einführung in die Spieltheorie von Robert Nitsch steht unter einer Creative Commons Namensnennung-Keine kommerzielle Nutzung-Keine Bearbeitung 2.0 Deutschland Lizenz.
Beruht auf einem Werk unter www.robertnitsch.de.
Über diese Lizenz hinausgehende Erlaubnisse erhalten Sie möglicherweise unter http://www.robertnitsch.de/kontakt.

Downloads der Lernleistung

  • BeLL_EvolutionaereSpieltheorie.pdf (865 KB)
    Die schriftliche Ausarbeitung / Dokumentation der Lernleistung mit Einleitung, Hauptteil und Resümee.
  • BeLL_Praesentation_handout.pdf (250 KB)
    Das Handout der zur Lernleistung gehörenden Präsentation. Dieses Handout enthält auch Folien, die ich während der tatsächlichen Präsentation ausgeblendet (und frei gesprochen) habe.
  • pyTSP_GA.zip (30 KB)
    Der Python-Quelltext des umfangreichen evolutionären Algorithmus für das Traveling-Salesman-Problem.
  • Evolutionaere Spieltheorie.zip (10 KB)
    Der Quelltext des evolutionären Algorithmus zur Demonstration der evolutionären Spieltheorie.

Vorraussetzungen

Für die Ausführung der beiden Algorithmen wird Python 2.5 benötigt. pyTSP_GA benötigt darüber hinaus auch das pygame-Modul (bei der Programmierung wurde pygame 1.7 verwendet, aber auch 1.8 scheint zu funktionieren). Sind beide Pakete installiert, sollten sich die Programme reibungslos ausführen lassen.

Kontakt

Bei Problemen und Fragen oder sonstigen Angelegenheiten bzgl. meiner Lernleistung könnt ihr mich wie gewohnt kontaktieren oder auf dieser Seite einen Kommentar hinterlassen.

Share and Enjoy:
  • del.icio.us
  • Facebook
  • Technorati
  • Google Bookmarks
  • Yigg
  • Digg

1 Kommentar »

  1. [...] Zum Vergleich möchte ich außerdem an meinen evolutionären Algorithmus für das TSP erinnern (habe ich damals ebenfalls in Python implementiert). Dieser brauchte bei Städtezahlen jenseits der 100 bereits ewig für eine Näherungslösung. (Für weitere Details siehe Projekte -> Lernleistung.) [...]

    Pingback von Ein rekursiver Algorithmus für das metrische Traveling-Salesman-Problem - PhiLIOsoph — 14.01.2010 @ 21:29:49

RSS-Feed für Kommentare zu diesem Artikel. TrackBack-URL

Einen Kommentar hinterlassen

© Robert Nitsch
(Powered by WordPress ( WordPress Deutschland ))