21.10.2021

Die ML2R Autumn School 2021 stand ganz im Zeichen des industrierelevanten „Bin Packing“. Das virtuelle einwöchige Veranstaltungsprogramm vom 4. bis 8. Oktober umfasste Vorträge, einen Design-Thinking-Workshop, Social Events sowie gemeinsames Programmieren. In Kleingruppen arbeiteten Nachwuchswissenschaftler*innen an einem konkreten Bin-Packing-Problem und entwickelten Machine-Learning-Lösungen für dieses.

Das Bin-Packing-Problem (“Behälterproblem”) zielt auf die effiziente Anordnung verschiedener Objekte mit bekannten Eigenschaften ab, sodass diese in eine möglichst geringe Anzahl von Containern passen. Das kombinatorische Optimierungsproblem, durch welches sich zum Beispiel Probleme in der Logistik, Routenplanung und Ablaufsteuerung ausdrücken lassen, gehört zu einem der schwersten Probleme für Rechner in der Informatik.

Nachwuchswissenschaftler*innen entwickeln Machine-Learning-Lösungen für ein Bin-Packing-Problem

Im Rahmen der ML2R Autumn School vom 4. bis 8. Oktober erhielten die Teilnehmenden von Expert*innen des ML2R eine Einführung in das Bin Packing. Die Nachwuchswissenschaftler*innen aus den Bereichen Maschinelles Lernen (ML) und Künstliche Intelligenz (KI) nahmen zudem an einem Design-Thinking-Workshop und einem Vortrag des KI-Lernlabors zum Prozessschema „MLOps“ (Machine Learning Operations) teil. Team-Building-Veranstaltungen, wie ein virtueller Spieleabend und Speed Dating, rundeten das Veranstaltungsprogramm ab.

In Kleingruppen und unter Anleitung des ML2R-Teams entwickelten die Teilnehmenden zudem eigene ML-Lösungen und wandten diese auf ein wohl definiertes Bin-Packing-Problem an. Das ML2R gratuliert der Arbeitsgruppe „Utopic Unicorns“ um Uzair Majid (TU Dortmund), Kaushik Manjunatha (Hochschule Bonn-Rhein-Sieg), Cristian Militaru (Technische Universität Cluj-Napoca) und Sergei Voloboev (Technische Universität München) zum Autumn School Compactness Award. Ihr „FFD Shaker“ ermöglichte eine Verbesserung der bestehenden First-Fit-Decreasing (FFD)-Heuristik in acht von 56 Test-Datensätzen und vermochte es so, durch die geschickte Sortierung von Objekten die Anzahl der benötigten Container von 15.113 auf 15.100 zu verringern.

Das Gewinnerteam: