Helena Stegherr

Wissenschaftliche Mitarbeiterin
Lehrstuhl für Organic Computing
Telefon: +49 821 598 69260
E-Mail:
Raum: 1031 (W)
Adresse: Am Technologiezentrum 8, 86159 Augsburg

Forschungsschwerpunkte

Der Fokus meiner Forschung liegt auf natur-inspirierten Optimierungsverfahren, auch bekannt als Metaheuristiken bzw. evolutionäre Algorithmen. Dabei bildet die Analyse des algorithmischen Verhaltens, vor allem im Bezug auf die Komponenten, die dieses Verhalten erzeugen, meinen Hauptarbeitsbereich. Diesen betrachte ich aus einer konzeptionellen Perspektive, die Gemeinsamkeiten und Unterschiede der Optimierungsverfahren hervorheben soll, und aus einer empirischen Perspektive, wobei der Einfluss der einzelnen Komponenten auf das Verhalten der Algorithmen quantifiziert werden soll.

 

Zudem bin ich interessiert an Möglichkeiten, Metaheuristiken mit Machine Learning Verfahren zu verknüpfen, an parallelen und verteilt arbeitenden Algorithmen und an experimentellen und statistischen Methoden für die Analyse von Optimierungsalgorithmen. Als Anwendungsfälle für Optimierungsverfahren interessieren mich vor allem Probleme aus dem Bereich der Bioinformatik.

Publikationen

2024 | 2023 | 2022 | 2021 | 2020 | 2019

2024

Jonathan Wurth, Helena Stegherr, Michael Heider and Jörg Hähner. 2024. GRAHF: a hyper-heuristic framework for evolving heterogeneous island model topologies. DOI: 10.1145/3638529.3654136
BibTeX | RIS | DOI

2023

Helena Stegherr, Leopold Luley, Jonathan Wurth, Michael Heider and Jörg Hähner. 2023. A framework for modular construction and evaluation of metaheuristics.
PDF | BibTeX | RIS

Michael Heider, David Pätzel, Helena Stegherr and Jörg Hähner. 2023. A metaheuristic perspective on learning classifier systems. DOI: 10.1007/978-981-19-3888-7_3
PDF | BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, Richard Nordsieck and Jörg Hähner. 2023. Assessing model requirements for explainable AI: a template and exemplary case study. DOI: 10.1162/artl_a_00414
PDF | BibTeX | RIS | DOI

Helena Stegherr, Michael Heider and Jörg Hähner. 2023. Assisting convergence behaviour characterisation with unsupervised clustering. DOI: 10.5220/0012202100003595
PDF | BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, David Pätzel, Roman Sraj, Jonathan Wurth, Benedikt Volger and Jörg Hähner. 2023. Discovering rules for rule-based machine learning with the help of novelty search. DOI: 10.1007/s42979-023-02198-x
PDF | BibTeX | RIS | DOI

Jonathan Wurth, Helena Stegherr, Michael Heider, Leopold Luley and Jörg Hähner. 2023. Fast, flexible, and fearless: a rust framework for the modular construction of metaheuristics. DOI: 10.1145/3583133.3596335
BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, Roman Sraj, David Pätzel, Jonathan Wurth and Jörg Hähner. 2023. SupRB in the context of rule-based machine learning methods: a comparative study. DOI: 10.1016/j.asoc.2023.110706
BibTeX | RIS | DOI

2022

Michael Heider, Helena Stegherr, David Pätzel, Roman Sraj, Jonathan Wurth, Benedikt Volger and Jörg Hähner. 2022. Approaches for rule discovery in a learning classifier system. DOI: 10.5220/0011542000003332
PDF | BibTeX | RIS | DOI

Helena Stegherr, Michael Heider and Jörg Hähner. 2022. Classifying metaheuristics: towards a unified multi-level classification system. DOI: 10.1007/s11047-020-09824-0
PDF | BibTeX | RIS | DOI

Jonathan Wurth, Michael Heider, Helena Stegherr, Roman Sraj and Jörg Hähner. 2022. Comparing different metaheuristics for model selection in a supervised learning classifier system. DOI: 10.1145/3520304.3529015
PDF | BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, Jonathan Wurth, Roman Sraj and Jörg Hähner. 2022. Investigating the impact of independent rule fitnesses in a learning classifier system. DOI: 10.1007/978-3-031-21094-5_11
PDF | BibTeX | RIS | DOI

Michael Heider, Helena Stegherr, Jonathan Wurth, Roman Sraj and Jörg Hähner. 2022. Separating rule discovery and global solution composition in a learning classifier system. DOI: 10.1145/3520304.3529014
PDF | BibTeX | RIS | DOI

2021

Helena Stegherr and Jörg Hähner. 2021. Analysing metaheuristic components.
PDF | BibTeX | RIS | URL

Helena Stegherr, Michael Heider, Leopold Luley and Jörg Hähner. 2021. Design of large-scale metaheuristic component studies. DOI: 10.1145/3449726.3463168
PDF | BibTeX | RIS | DOI

2020

Lukas Rosenbauer, Anthony Stein, Helena Stegherr and Jörg Hähner. 2020. Metaheuristics for the minimum set cover problem: a comparison. DOI: 10.5220/0010019901230130
PDF | BibTeX | RIS | DOI

2019

Helena Stegherr, Anthony Stein and Jörg Hähner. 2019. Parallel chemical reaction optimization for utilization in intelligent RNA prediction systems.
PDF | BibTeX | RIS | URL

Lebenslauf

seit 2020 Wissenschaftliche Mitarbeiterin am Lehrstuhl Organic Computing der Universität Augsburg
2019-2020 Wissenschaftliche Hilfskraft am Lehrstuhl Organic Computing der Universität Augsburg
2015–2019 Bachelor-Studium im Fach Informatik an der Universität Augsburg
2012–2014 Master-Studium im Fach Biochemie an der Universität Ulm
2009–2012 Bachelor-Studium im Fach Biochemie an der Universität Ulm

Lehrveranstaltungen

(Angewandte Filter: Semester: aktuelles | Institutionen: Organic Computing | Dozenten: Helena Stegherr | Vorlesungsarten: alle)
Name Semester Typ
Grundlagen des Organic Computing Wintersemester 2024/25 Vorlesung
Seminar Organic Computing (Bachelor) Wintersemester 2024/25 Seminar
Studentische Arbeiten am Lehrstuhl Organic Computing Wintersemester 2024/25 sonstige
Übung zu Grundlagen des Organic Computing Wintersemester 2024/25 Übung
Seminar Organic Computing (Master) Wintersemester 2024/25 Seminar

Suche