Chatbot-Tutorial
Chatbot-Tutorial – PyTorch-Tutorials 2.0.1+cu117-Dokumentation
Autor: Matthew Inkavic
In diesem Tutorial untersuchen wir einen interessanten und interessanten Anwendungsfall wiederkehrender Sequenz-zu-Sequenz-Modelle. Wir werden einen einfachen Chatbot mit Filmdrehbüchern aus dem Cornell University Movie Dialogue Corpus trainieren.
Dialogmodelle sind ein heißes Thema in der Forschung zur künstlichen Intelligenz. Chatbots sind in einer Vielzahl von Umgebungen zu finden, darunter in Kundendienstanwendungen und Online-Helpdesks. Diese Bots basieren in der Regel auf einem abrufbasierten Modell, das vordefinierte Antworten auf bestimmte Fragen ausgibt. In stark eingeschränkten Bereichen wie IT-Helpdesks von Unternehmen können diese Modelle ausreichend sein, für allgemeinere Anwendungsfälle sind sie jedoch nicht leistungsstark genug. Maschinen beizubringen, sinnvolle Gespräche mit Menschen in mehreren Bereichen zu führen, ist kein ungelöstes Forschungsproblem. In jüngster Zeit hat der Boom des Deep Learning zu leistungsstarken generativen Modellen geführt, beispielsweise dem neuronalen Dialogmodell von Google , das einen großen Schritt in Richtung generativer Dialogmodelle mit mehreren Domänen darstellt. In diesem Tutorial werden wir ein solches Modell in PyTorch implementieren.
> hello?
Bot: hello .
> where am I?
Bot: you re in a hospital .
> who are you?
Bot: i m a lawyer .
> how are you doing?
Bot: i m fine .
> are you my friend?
Bot: no .
> you're under arrest
Bot: i m trying to help you !
> i'm just kidding
Bot: i m sorry .
> where are you from?
Bot: san francisco .
> it's time for me to leave
Bot: i know .
> goodbye
Bot: goodbye .
教程亮点
-
处理康奈尔电影对话语料库 数据集的加载和预处理
-
使用Luong 注意力机制实现序列到序列模型
-
使用小批量联合训练编码器和解码器模型
-
实现贪婪搜索解码模块
-
与训练有素的聊天机器人交互
致谢
本教程借用了以下来源的代码:
-
pytorch-chatbot-Implementierung von Yuan-Kuei Wu: GitHub – ywk991112/pytorch-chatbot: Pytorch seq2seq Chatbot
-
Praktisches Pytorch-seq2seq-Übersetzungsbeispiel von Sean Robertson: https://github.com/spro/practical-pytorch/tree/master/seq2seq-translation
-
FloydHub Cornell Movie Corpus-Vorverarbeitungscode: GitHub – floydhub/textutil-preprocess-cornell-movie-corpus: textutil-preprocess-cornell-movie-corpus
Vorbereitung
Laden Sie zunächst die Daten-ZIP-Datei hier herunter
# and put in a ``data/`` directory under the current directory.
#
# After that, let’s import some necessities.
#
import torch
from torch.jit import script, trace
import torch.nn as nn
from torch import optim
import torch.nn.functional as F
import csv
import random
import re
import os
import unicodedata
import codecs
from io import open
import itertools
Mathe
importieren json importieren USE_CUDA = Torch.cuda.is_available () Gerät = Torch.device ( „cuda“ wenn USE_CUDA sonst „cpu“ )
Daten laden und vorverarbeiten
Der nächste Schritt besteht darin, unsere Datendatei neu zu formatieren und die Daten in eine Struktur zu laden, die wir verwenden können.
Das Cornell Movie Dialogue Corpus ist ein umfangreicher Datensatz zum Dialog von Filmcharakteren:
-
220.579 Dialogwechsel zwischen 10.292 Filmcharakterpaaren
-
9.035 Charaktere in 617 Filmen
-
Gesamtzahl der Äußerungen: 304.713
Der Datensatz ist groß und vielfältig und es gibt große Unterschiede in Sprachformen, Zeiträumen, Emotionen usw. Wir hoffen, dass diese Vielfalt unsere Modelle robust gegenüber vielen Formen von Eingaben und Abfragen macht.
Zuerst schauen wir uns einige Zeilen der Datendatei an, um das Originalformat zu sehen.
corpus_name = "movie-corpus"
corpus = os . Pfad . join ( "data" , corpus_name )
def printLines ( file , n = 10 ):
mit open ( file , 'rb' ) als Datendatei :
Zeilen = Datendatei . readlines ()
für Zeile in Zeilen [: n ]:
print ( Zeile )
printLines ( os . path . join ( corpus , "utterances.jsonl" ))
b'{"id": "L1045", "conversation_id": "L1044", "text": "They do not!", "speaker": "u0", "meta": {"movie_id": "m0", "parsed": [{"rt": 1, "toks": [{"tok": "They", "tag": "PRP", "dep": "nsubj", "up": 1, "dn": []}, {"tok": "do", "tag": "VBP", "dep": "ROOT", "dn": [0, 2, 3]}, {"tok": "not", "tag": "RB", "dep": "neg", "up": 1, "dn": []}, {"tok": "!", "tag": ".", "dep": "punct", "up": 1, "dn": []}]}]}, "reply-to": "L1044", "timestamp": null, "vectors": []}\n' b'{"id": "L1044", "conversation_id": "L1044", "text": "They do to!", "speaker": "u2", "meta": {"movie_id": "m0" , "parsed": [{"rt": 1, "toks": [{"tok": "They", "tag": "PRP", "dep": "nsubj", "up": 1, " dn": []}, {"tok": "do", "tag": "VBP", "dep": "ROOT", "dn": [0, 2, 3]}, {"tok": „to“, „tag“: „TO“, „dep“: „dobj“, „up“: 1, „dn“: []}, {“tok“: „!“, „tag“: „.“ , „dep“: „punct“, „up“: 1, „dn“: []}]}]},„reply-to“: null, „timestamp“: null, „vectors“: []}\n' b'{"id": "L985", "conversation_id": "L984", "text": "Ich hoffe es.", "speaker": "u0", "meta": {"movie_id": "m0" , "parsed": [{"rt": 1, "toks": [{"tok": "I", "tag": "PRP", "dep": "nsubj", "up": 1, " dn": []}, {"tok": "hope", "tag": "VBP", "dep": "ROOT", "dn": [0, 2, 3]}, {"tok": „so“, „tag“: „RB“, „dep“: „advmod“, „up“: 1, „dn“: []}, {“tok“: „.“, „tag“: „.“ , „dep“: „punct“, „up“: 1, „dn“: []}]}]},„reply-to“: „L984“, „timestamp“: null, „vectors“: []}\n' b'{"id": "L984", "conversation_id": "L984", "text": "Geht es ihr gut?", "speaker": "u2", "meta": {"movie_id": "m0", „parsed“: [{“rt“: 1, „toks“: [{“tok“: „She“, „tag“: „PRP“, „dep“: „nsubj“, „up“: 1, „dn ": []}, {"tok": "okay", "tag": "RB", "dep": "ROOT", "dn": [0, 2]}, {"tok": "?" , „tag“: „.“, „dep“: „punct“, „up“: 1, „dn“: []}]}]}, „reply-to“: null, „timestamp“: null, „ Vektoren": []}\n'
b'{"id": "L925", "conversation_id": "L924", "text": "Let\'s go.", "speaker": "u0", "meta": {"movie_id": "m0", "parsed": [{"rt": 0, "toks": [{"tok": "Let", "tag": "VB", "dep": "ROOT", "dn": [2, 3]}, {"tok": "\'s", "tag": "PRP", "dep": "nsubj", "up": 2, "dn": []}, {"tok": "go", "tag": "VB", "dep": "ccomp", "up": 0, "dn": [1]}, {"tok": ".", "tag": ".", "dep": "punct", "up": 0, "dn": []}]}]}, "reply-to": "L924", "timestamp": null, "vectors": []}\n' b'{"id": "L924", "conversation_id": "L924", "text": "Wow", "speaker": "u2", "meta": {"movie_id": "m0", "parsed ": [{"rt": 0, "toks": [{"tok": "Wow", "tag": "UH", "dep": "ROOT", "dn": []}]}] }, „reply-to“: null, „timestamp“: null, „vectors“: []}\n' b'{"id": "L872", "conversation_id": "L870", "text": "Okay – du musst lernen zu lügen.", "speaker": "u0", " meta": {"movie_id": "m0", "parsed": [{"rt": 4, "toks": [{"tok": "Okay", "tag": "UH", "dep": „intj“, „up“: 4, „dn“: []}, {“tok“: „--“, „tag“: „:“, „dep“: „punct“, „up“: 4, „dn“: []}, {“tok“: „you“, „tag“: „PRP“, „dep“: „nsubj“, „up“: 4, „dn“: []}, {“tok ": "\'re", "tag": "VBP", "dep":„aux“, „up“: 4, „dn“: []}, {“tok“: „gon“, „tag“: „VBG“, „dep“: „ROOT“, „dn“: [0, 1, 2, 3, 6, 12]}, {"tok": "na", "tag": "TO", "dep": "aux", "up": 6, "dn": []} , {"tok": "need", "tag": "VB", "dep": "xcomp", "up": 4, "dn": [5, 8]}, {"tok": "to ", "tag": "TO", "dep": "aux", "up": 8, "dn": []}, {"tok": "learn", "tag": "VB", " dep“: „xcomp“, „up“: 6, „dn“: [7, 11]}, {“tok“: „how“, „tag“: „WRB“,„dep“: „advmod“, „up“: 11, „dn“: []}, {“tok“: „to“, „tag“: „TO“, „dep“: „aux“, „up“ : 11, „dn“: []}, {“tok“: „lie“, „tag“: „VB“, „dep“: „xcomp“, „up“: 8, „dn“: [9, 10 ]}, {"tok": ".", "tag": ".", "dep": "punct", "up": 4, "dn": []}]}]}, "reply-to ": "L871", "timestamp": null, "vectors": []}\n'"tag": "VB", "dep": "xcomp", "up": 8, "dn": [9, 10]}, {"tok": ".", "tag": ".", „dep“: „punct“, „up“: 4, „dn“: []}]}]}, „reply-to“: „L871“, „timestamp“: null, „vectors“: []}\ N'"tag": "VB", "dep": "xcomp", "up": 8, "dn": [9, 10]}, {"tok": ".", "tag": ".", „dep“: „punct“, „up“: 4, „dn“: []}]}]}, „reply-to“: „L871“, „timestamp“: null, „vectors“: []}\ N' b'{"id": "L871", "conversation_id": "L870", "text": "Nein", "speaker": "u2", "meta": {"movie_id": "m0", "parsed ": [{"rt": 0, "toks": [{"tok": "No", "tag": "UH", "dep": "ROOT", "dn": []}]}] }, „reply-to“: „L870“, „timestamp“: null, „vectors“: []}\n' b'{"id": "L870", "conversation_id": "L870", "text": "Ich mache nur Witze. Weißt du, wie man manchmal einfach zu dieser \\"Person\\" wird? Und du nicht Du weißt nicht, wie ich aufhören soll? ": "I", "tag": "PRP", "dep": "nsubj", "up": 2, "dn": []}, {"tok": "\'m", "tag" : „VBP“, „dep“: „aux“, „up“: 2, „dn“: []}, {“tok“: „kidding“, „tag“: „VBG“, „dep“: „ROOT ", "dn": [0, 1, 3]}, {"tok": ".","tag": ".", "dep": "punct", "up": 2, "dn": [4]}, {"tok": " ", "tag": "_SP", "dep" : "", "up": 3, "dn": []}]}, {"rt": 1, "toks": [{"tok": "You", "tag": "PRP", " dep": "nsubj", "up": 1, "dn": []}, {"tok": "know", "tag": "VBP", "dep": "ROOT", "dn": [0, 6, 11]}, {"tok": "how", "tag": "WRB", "dep": "advmod", "up": 3, "dn": []}, {" tok“: „manchmal“, „tag“: „RB“, „dep“: „advmod“, „up“: 6, „dn“:[2]}, {"tok": "you", "tag": "PRP", "dep": "nsubj", "up": 6, "dn": []}, {"tok": " just“, „tag“: „RB“, „dep“: „advmod“, „up“: 6, „dn“: []}, {“tok“: „become“, „tag“: „VBP“, „dep“: „ccomp“, „up“: 1, „dn“: [3, 4, 5, 9]}, {“tok“: „this“, „tag“: „DT“, „dep“: "det", "up": 9, "dn": []}, {"tok": "\\"", "tag": "``", "dep": "punct", "up": 9, „dn“: []}, {“tok“: „persona“, „tag“: „NN“, „dep“: „attr“,"up": 6, "dn": [7, 8, 10]}, {"tok": "\\"", "tag": "\'\'", "dep": "punct", " up“: 9, „dn“: []}, {“tok“: „?“, „tag“: „.“, „dep“: „punct“, „up“: 1, „dn“: [12 ]}, {"tok": " ", "tag": "_SP", "dep": "", "up": 11, "dn": []}]}, {"rt": 4, " toks": [{"tok": "And", "tag": "CC", "dep": "cc", "up": 4, "dn": []}, {"tok": "you ", "tag": "PRP", "dep": "nsubj", "up": 4, "dn": []}, {"tok": "do","tag": "VBP", "dep": "aux", "up": 4, "dn": []}, {"tok": "n\'t", "tag": "RB", „dep“: „neg“, „up“: 4, „dn“: []}, {“tok“: „know“, „tag“: „VB“, „dep“: „ROOT“, „dn“ : [0, 1, 2, 3, 7, 8]}, {"tok": "how", "tag": "WRB", "dep": "advmod", "up": 7, "dn" : []}, {"tok": "to", "tag": "TO", "dep": "aux", "up": 7, "dn": []}, {"tok": " quit", "tag": "VB", "dep": "xcomp", "up": 4, "dn": [5, 6]}, {"tok":„?“, „tag“: „.“, „dep“: „punct“, „up“: 4, „dn“: []}]}]}, „reply-to“: null, „timestamp“: null, "Vektoren": []}\n'
b'{"id": "L869", "conversation_id": "L866", "text": "Like my fear of wearing pastels?", "speaker": "u0", "meta": {"movie_id": "m0", "parsed": [{"rt": 0, "toks": [{"tok": "Like", "tag": "IN", "dep": "ROOT", "dn": [2, 6]}, {"tok": "my", "tag": "PRP$", "dep": "poss", "up": 2, "dn": []}, {"tok": "fear", "tag": "NN", "dep": "pobj", "up": 0, "dn": [1, 3]}, {"tok": "of", "tag": "IN", "dep": "prep", "up": 2, "dn": [4]}, {"tok": "wearing", "tag": "VBG", "dep": "pcomp", "up": 3, "dn": [5]}, {"tok": "pastels", "tag": "NNS", "dep": "dobj", "up": 4, "dn": []}, {"tok": "?", "tag": ".", "dep": "punct", "up": 0, "dn": []}]}]}, "reply-to": "L868", "timestamp": null, "vectors": []}\n'
Erstellen Sie formatierte Datendateien
Der Einfachheit halber erstellen wir eine wohlgeformte Datendatei, in der jede Zeile einen durch Tabulatoren getrennten Abfragesatz und ein Antwortsatzpaar enthält .
Die folgenden Funktionen helfen beim Parsen von Rohdatendateien utterances.jsonl
.
-
loadLinesAndConversations
lineID
Teilen Sie jede Zeile der Datei in ein Zeilenwörterbuch mit den Feldern: und text aufcharacterID
und gruppieren Sie sie in einer Konversation mit den Feldern:conversationID
undmovieID
Zeilen. -
extractSentencePairs
Extrahieren Sie Satzpaare aus Dialogen
# Splits each line of the file to create lines and conversations
def loadLinesAndConversations(fileName):
lines = {}
conversations = {}
with open(fileName, 'r', encoding='iso-8859-1') as f:
for line in f:
lineJson = json.loads(line)
# Extract fields for line object
lineObj = {}
lineObj["lineID"] = lineJson["id"]
lineObj["characterID"] = lineJson["speaker"]
lineObj["text"] = lineJson["text"]
lines[lineObj['lineID']] = lineObj
# Extract fields for conversation object
if lineJson["conversation_id"] not in conversations:
convObj = {}
convObj["conversationID"] = lineJson["conversation_id"]
convObj["movieID"] = lineJson["meta"]["movie_id"]
convObj["lines"] = [lineObj]
else:
convObj = conversations[lineJson["conversation_id"]]
convObj["lines"].insert(0, lineObj)
conversations[convObj [ "conversationID" ] ] = convObj
returnlines , Konversationen # Extrahiert Satzpaare aus Konversationen def extractSentencePairs ( conversations ): qa_pairs = [] für Konversation in Konversationen . Werte (): # Iteriere über alle Zeilen der Konversation für i im Bereich ( len ( Konversation [ "Zeilen" ]) - 1 ):
# We ignore the last line (no answer for it)
inputLine = conversation["lines"][i]["text"].strip()
targetLine = conversation["lines"][i+1]["text"].strip()
# Filter wrong samples (if one of the lists is empty)
if inputLine and targetLine:
qa_pairs.append([inputLine, targetLine])
return qa_pairs
现在我们将调用这些函数并创建文件。我们就这样称呼它 formatted_movie_lines.txt
。
# Define path to new file
datafile = os.path.join(corpus, "formatted_movie_lines.txt")
delimiter = '\t'
# Unescape the delimiter
delimiter = str(codecs.decode(delimiter, "unicode_escape"))
# Initialize lines dict and conversations dict
lines = {}
conversations = {}
# Load lines and conversations
print("\nKorpus in Zeilen und Konversationen verarbeiten..." )
Zeilen , Konversationen = LoadLinesAndConversations ( os . Pfad . Join ( Korpus , "utterances.jsonl" ))
# Neue CSV-Datei schreiben
print ( " \n Schreibe neu formatierte Datei..." )
mit open ( Datendatei , 'w' , Kodierung = 'utf-8' ) als Ausgabedatei :
Writer = csv . Writer (Outputfile , Delimiter = Delimiter , Lineterminator = ' \n ' )
für das Paar in extractSentencePairs ( conversations ):
writer . writerow ( Paar )
# Ein Beispiel von Zeilen
drucken print ( " \n Beispielzeilen aus Datei:" )
printLines ( Datendatei )
Processing corpus into lines and conversations...
Writing newly formatted file...
Sample lines from file:
b'They do to!\tThey do not!\n'
b'She okay?\tI hope so.\n'
b"Wow\tLet's go.\n"
b'"I\'m kidding. You know how sometimes you just become this ""persona""? And you don\'t know how to quit?"\tNo\n'
b"No\tOkay -- you're gonna need to learn how to lie.\n"
b"I figured you'd get to the good stuff eventually.\tWhat good stuff?\n"
b'What good stuff?\t"The ""real you""."\n'
b'"The ""real you""."\tLike my fear of wearing pastels?\n'
b'do you listen to this crap?\tWhat crap?\n'
b"What crap?\tMe. This endless ...blonde babble. I'm like, boring myself.\n"
Daten laden und trimmen
Unsere nächste Aufgabe besteht darin, das Vokabular zu erstellen und Frage-/Antwortsatzpaare in den Speicher zu laden.
Beachten Sie, dass es sich um Wortfolgen handelt , die keine implizite Zuordnung zu einem diskreten Zahlenraum haben. Daher müssen wir einen Indexwert erstellen, indem wir jedes im Datensatz vorkommende eindeutige Wort einem Indexwert zuordnen.
Dazu definieren wir eine Voc
Klasse, die die Zuordnung von Wort zu Index, die umgekehrte Zuordnung von Index zu Wort, die Anzahl jedes Wortes und die Gesamtzahl der Wörter enthält. Diese Klasse bietet Methoden zum Hinzufügen von Wörtern zum Vokabular ( addWord
), zum Hinzufügen aller Wörter in einem Satz ( addSentence
) und zum Trimmen ungewöhnlicher Wörter ( ). trim
Auf das Beschneiden wird später noch näher eingegangen.
# Default word tokens
PAD_token = 0 # Used for padding short sentences
SOS_token = 1 # Start-of-sentence token
EOS_token = 2 # End-of-sentence token
class Voc:
def __init__(self, name):
self.name = name
self.trimmed = False
self.word2index = {}
self.word2count = {}
self.index2word = {
PAD_token : "PAD" , SOS_token : "SOS" , EOS_token : "EOS" }
self . num_words = 3 # Count SOS, EOS, PAD
def addSentence ( self , sent ):
für Wort im Satz . split ( ' ' ):
self . addWord ( word )
def addWord ( self , word ):
if Wort nicht in sich selbst . word2index :
self . word2index [ word ] = self . num_words
self . word2count [ word ] = 1
self . index2word [ self . num_words ] = Wort
self . num_words += 1
else :
self . word2count [ Wort ] += 1
# Wörter unter einem bestimmten Zählschwellenwert entfernen
def trim ( self , min_count ):
if self . getrimmt :
return
self . trimmed = True
keep_words = []
für k , v in self . word2count . items ():
if v >= min_count :
keep_words . append ( k )
print ( 'keep_words {} /{} = {:.4f} ' . format (
len ( keep_words ), len ( self . word2index ), len ( keep_words ) / len ( self . word2index )
))
# Wörterbücher
self neu initialisieren . word2index = {}
self . word2count = {}
self . index2word = {
PAD_token : "PAD" , SOS_token: "SOS", EOS_token: "EOS"}
self.num_words = 3 # Count default tokens
for word in keep_words:
self.addWord(word)
现在我们可以组装词汇和查询/响应句子对。在准备使用这些数据之前,我们必须执行一些预处理。
首先,我们必须使用 将 Unicode 字符串转换为 ASCII unicodeToAscii
。接下来,我们应该将所有字母转换为小写,并修剪除基本标点符号 ( ) 之外的所有非字母字符normalizeString
。最后,为了帮助训练收敛,我们将过滤掉长度大于MAX_LENGTH
阈值(filterPairs
)的句子。
MAX_LENGTH = 10 # Maximum sentence length to consider
# Turn a Unicode string to plain ASCII, thanks to
# https://stackoverflow.com/a/518232/2809427
def unicodeToAscii(s):
return ''.join(
c for c in unicodedata.normalize('NFD', s)
if unicodedata.category(c) != 'Mn'
)
# Lowercase, trim, and remove non-letter characters
def normalizeString(s):
s = unicodeToAscii(s.lower().strip())
s = re.sub(r"([.!?])", r" \1", s)
s = re.sub(r"[^a-zA-Z.!?]+", r" ", s)
s = re.sub(r"\s+", r" ", s).strip()
return s
# Read query/response pairs and return a voc object
def readVocs(datafile, corpus_name):
print("Reading lines...")
# Read the file and split into lines
lines = open(datafile, encoding='utf-8').\
read().strip().split('\n')
# Split every line into pairs and normalize
pairs = [[normalizeString(s) for s in l.split('\t')] for l in lines]
voc = Voc(corpus_name)
return voc, pairs
# Returns True if both sentences in a pair 'p' are under the MAX_LENGTH threshold
def filterPair(p):
# Input sequences need to preserve the last word for EOS token
return len(p[0].split(' ')) < MAX_LENGTH and len(p[1].split(' ')) < MAX_LENGTH
# Filter pairs using the ``filterPair`` condition
def filterPairs(pairs):
return [pair for pair in pairs if filterPair(pair)]
# Using the functions defined above, return a populated voc object and pairs list
def loadPrepareData(corpus, corpus_name, datafile, save_dir):
print("Start preparing training data ...")
voc, pairs = readVocs(datafile, corpus_name)
print("Read {!s} sentence pairs".format(len(pairs)))
pairs = filterPairs(pairs)
print("Trimmed to {!s} sentence pairs".format(len ( Paare )))
print ( „Wörter zählen…“ )
für Paar in Paaren :
voc . addSentence ( pair [ 0 ])
voc . addSentence ( Paar [ 1 ])
print ( „Gezählte Wörter:“ , voc . num_words )
return voc , pairs
# Laden/Zusammensetzen von voc und Paaren
save_dir = os . Pfad . beitreten ("data", "save")
voc, pairs = loadPrepareData(corpus, corpus_name, datafile, save_dir)
# Print some pairs to validate
print("\npairs:")
for pair in pairs[:10]:
print(pair)
Start preparing training data ...
Reading lines...
Read 221282 sentence pairs
Trimmed to 64313 sentence pairs
Counting words...
Counted words: 18082
pairs:
['they do to !', 'they do not !']
['she okay ?', 'i hope so .']
['wow', 'let s go .']
['what good stuff ?', 'the real you .']
['the real you .', 'like my fear of wearing pastels ?']
['do you listen to this crap ?', 'what crap ?']
['well no . . .', 'then that s all you had to say .']
['then that s all you had to say .', 'but']
['but', 'you always been this selfish ?']
['have fun tonight ?', 'tons']
Eine weitere Strategie, die eine schnellere Konvergenz während des Trainings begünstigt, besteht darin, selten verwendete Wörter aus unserem Wortschatz zu entfernen. Durch die Reduzierung des Merkmalsraums wird auch die Schwierigkeit der Funktion verringert, deren Annäherung das Modell lernen muss. Wir werden dies in einem zweistufigen Prozess tun:
-
MIN_COUNT
Verwenden Sie diese Funktion, um Wörter zu bereinigen, die unterhalb eines Schwellenwerts verwendet werdenvoc.trim
. -
Filtern Sie Paare mit beschnittenen Wörtern heraus.
MIN_COUNT = 3 # Minimaler Schwellenwert für die Wortanzahl zum Trimmen
von def trimRareWords ( voc , pairs , MIN_COUNT ):
# Wörter, die unter MIN_COUNT verwendet werden, aus dem voc
voc entfernen . trim ( MIN_COUNT )
# Paare mit gekürzten Wörtern herausfiltern
keep_pairs = []
für Paare in Paaren :
input_sentence = Paar [ 0 ]
Ausgabe_Satz = Paar [ 1 ]
keep_input = True
keep_output = True
# Check input sentence
for word in input_sentence.split(' '):
if word not in voc.word2index:
keep_input = False
break
# Check output sentence
for word in output_sentence.split(' '):
if word not in voc.word2index:
keep_output = False
break
# Only keep pairs that do not contain trimmed word(s) in their input or output sentence
if keep_input and keep_output:
keep_pairs.append(pair)
print("Trimmed from {} pairs to {}, {:.4f} of total".format(len(pairs), len(keep_pairs), len(keep_pairs) / len(pairs)))
return keep_pairs
# Trim voc and pairs
pairs = trimRareWords(voc, pairs, MIN_COUNT)
keep_words 7833 / 18079 = 0.4333
Trimmed from 64313 pairs to 53131, 0.8261 of total
为模型准备数据
尽管我们投入了大量的精力来准备数据并将其整理为良好的词汇对象和句子对列表,但我们的模型最终将期望数值火炬张量作为输入。为模型准备处理数据的一种方法可以在seq2seq 翻译教程中找到。在该教程中,我们使用的批量大小为 1,这意味着我们所要做的就是将句子对中的单词转换为词汇表中相应的索引,并将其提供给模型。
但是,如果您有兴趣加快训练速度和/或希望利用 GPU 并行化功能,则需要使用小批量进行训练。
使用小批量还意味着我们必须注意批次中句子长度的变化。为了在同一批次中容纳不同大小的句子,我们将制作形状为(max_length, batch_size)的批量输入张量 ,其中短于 max_length的句子在EOS_token之后用零填充。
Wenn wir einfach Wörter in Indizes ( indexesFromSentence
) und Nullzeichen und englische Sätze in Tensoren umwandeln, haben unsere Tensoren eine Form (batch_size, max_length) und die Indizierung der ersten Dimension gibt die vollständige Sequenz zurück. Wir müssen jedoch in der Lage sein, unsere Stapel über alle Sequenzen im Stapel hinweg zeitlich zu indizieren. Daher transponieren wir die Form des Eingabestapels auf (max_length, batch_size), sodass Indizes in der ersten Dimension die Zeitschritte aller Sätze im Stapel zurückgeben. Wir behandeln diese Transposition implizit in der Funktion zeroPadding
.
Diese inputVar
Funktion übernimmt den Prozess der Konvertierung von Sätzen in Tensoren und erstellt letztendlich mit Nullen aufgefüllte Tensoren der richtigen Form. Außerdem wird lengths
für jede Sequenz im Stapel ein Tensor zurückgegeben, der später an unseren Decoder übergeben wird.
Diese outputVar
Funktion führt eine ähnliche Funktion wie aus inputVar
, gibt jedoch anstelle lengths
eines Tensors einen binären Maskentensor und die maximale Zielsatzlänge zurück. Der binäre Maskentensor hat die gleiche Form wie der Ausgabezieltensor, aber als PAD_token ist jedes Element 0 und alle anderen Elemente sind 1.
batch2TrainData
Verwenden Sie einfach eine Reihe von Paaren und verwenden Sie die obige Funktion, um die Eingabe- und Zieltensoren zurückzugeben.
def indexesFromSentence(voc, sentence):
return [voc.word2index[word] for word in sentence.split(' ')] + [EOS_token]
def zeroPadding(l, fillvalue=PAD_token):
return list(itertools.zip_longest(*l, fillvalue=fillvalue))
def BinaryMatrix ( l , value = PAD_token ):
m = [ ]
for i , seq in enumerate ( l ):
m . ([]) für Token in seq anhängen : if token == PAD_token : m [ i ] . append ( 0 ) else : m [ i _ _ anhängen ( 1
)
return m
# Returns padded input sequence tensor and lengths
def inputVar(l, voc):
indexes_batch = [indexesFromSentence(voc, sentence) for sentence in l]
lengths = torch.tensor([len(indexes) for indexes in indexes_batch])
padList = zeroPadding(indexes_batch)
padVar = torch.LongTensor(padList)
return padVar, lengths
# Returns padded target sequence tensor, padding mask, and max target length
def outputVar(l, voc):
indexes_batch = [indexesFromSentence(voc, sentence) for sentence in l]
max_target_len = max([len(indexes) for indexes in indexes_batch])
padList = zeroPadding(indexes_batch)
mask = binaryMatrix(padList)
mask = torch.BoolTensor(mask)
padVar = torch.LongTensor(padList)
return padVar, mask, max_target_len
# Returns all items for a given batch of pairs
def batch2TrainData(voc, pair_batch):
pair_batch.sort(key=lambda x : len ( x [ 0 ] . split ( " " )), reverse = True )
input_batch , output_batch = [], []
für Paar in pair_batch :
input_batch . append ( pair [ 0 ])
output_batch . append ( pair [ 1 ])
inp , lengths = inputVar ( input_batch, voc)
output, mask, max_target_len = outputVar(output_batch, voc)
return inp, lengths, output, mask, max_target_len
# Example for validation
small_batch_size = 5
batches = batch2TrainData(voc, [random.choice(pairs) for _ in range(small_batch_size)])
input_variable , lengths , target_variable , mask , max_target_len = Batches
print ( "input_variable:" , input_variable )
print ( "lengths:" , lengths )
print ( "target_variable:" , target_variable )
print ( "mask:" , mask )
print ( "max_target_len:" , max_target_len )
input_variable: tensor([[ 86, 24, 140, 829, 62], [ 6, 355, 1362, 206, 566], [ 36, 735, 14, 72, 1919], [ 17, 140, 140, 2160, 85], [ 62, 28, 158, 14, 14], [1012, 461, 140, 2, 2], [3223, 10, 14, 0, 0], [1012, 2, 2, 0, 0] , [ 6, 0, 0, 0, 0], [ 2, 0, 0, 0, 0]]) Längen: tensor([10, 8, 8, 6, 6]) target_variable: tensor([[ 18, 11, 101, 93, 277], [ 483, 113, 19, 311, 72],
[ 5, 241, 10, 72, 10],
[ 22, 706, 2, 19, 2], [2010, 14, 0, 24, 0], [1556, 2, 0, 136, 0],
[ 14, 0, 0, 5, 0],
[ 2, 0, 0, 48, 0],
[ 0, 0, 0, 14, 0],
[ 0, 0, 0, 2, 0]])
mask: tensor([[ True, True, True, True, True],
[ True, True, True, True, True],
[ True, True, True, True, True],
[ True, True, True, True, True],
[ True, True, False, True, False],
[ True, True, False, True, False],
[ True, False, False, True, False],
[ True, False, False, True, False],
[False, False, False, True, False],
[False, False, False, True, False]])
max_target_len: 10
定义模型
序列到序列模型
我们的聊天机器人的大脑是一个序列到序列(seq2seq)模型。seq2seq 模型的目标是将可变长度序列作为输入,并使用固定大小的模型返回可变长度序列作为输出。
苏茨克韦尔等人。发现通过一起使用两个独立的循环神经网络,我们可以完成这项任务。一个 RNN 充当编码器,将可变长度输入序列编码为固定长度上下文向量。理论上,这个上下文向量(RNN 的最终隐藏层)将包含有关输入到机器人的查询句子的语义信息。第二个 RNN 是解码器,它接受输入单词和上下文向量,并返回序列中下一个单词的猜测以及在下一次迭代中使用的隐藏状态。
图片来源: Joseph Eddy – Data science team leader and mentor, machine learning specialist
编码器
编码器 RNN 一次迭代一个标记(例如单词)的输入句子,在每个时间步输出一个“输出”向量和一个“隐藏状态”向量。然后隐藏状态向量被传递到下一个时间步,同时记录输出向量。编码器将其在序列中每个点看到的上下文转换为高维空间中的一组点,解码器将使用这些点为给定任务生成有意义的输出。
我们编码器的核心是由Cho 等人发明的多层门控循环单元。2014 年。我们将使用 GRU 的双向变体,这意味着本质上有两个独立的 RNN:一个以正常顺序输入输入序列,另一个以相反顺序输入输入序列。每个网络的输出在每个时间步上求和。使用双向 GRU 将为我们带来编码过去和未来上下文的优势。
双向 RNN:
图片来源:https ://colah.github.io/posts/2015-09-NN-Types-FP/
Beachten Sie, dass embedding
Ebenen verwendet werden, um unsere Wortindizes in Merkmalsräumen beliebiger Größe zu kodieren. Für unser Modell ordnet diese Ebene jedes Wort einem Merkmalsraum der Größe „hidden_size“ zu. Nach dem Training sollten diese Werte die semantische Ähnlichkeit zwischen Wörtern ähnlicher Bedeutung kodieren.
nn.utils.rnn.pack_padded_sequence
Wenn wir schließlich einen Stapel aufgefüllter Sequenzen an das RNN-Modul übergeben, müssen wir die Auffüllung um die RNN-Übergabe herum mit bzw. packen und entpacken nn.utils.rnn.pad_packed_sequence
.
Berechnungsdiagramm:
Konvertieren Sie Wortindizes in Einbettungen.
Packen Sie einen Stapel aufgefüllter Sequenzen für das RNN-Modul.
Vorwärtspass durch die GRU.
Packen Sie die Füllung aus.
Summieren Sie die bidirektionalen GRU-Ausgaben.
Gibt die Ausgabe und den endgültigen verborgenen Zustand zurück.
eingeben:
-
input_seq
: Batch-Eingabesätze; Form = (maximale Länge, Batch-Größe) -
input_lengths
: Liste der Satzlängen, die jedem Satz im Stapel entsprechen; Form = (Stapelgröße) -
hidden
: versteckter Zustand; Form = (n_layers x num_directions,batch_size,hidden_size)
Ausgang:
-
outputs
: Ausgabemerkmale der letzten verborgenen Ebene der GRU (Summe der bidirektionalen Ausgaben); Form = (maximale Länge, Stapelgröße, verborgene Größe) -
hidden
: Verborgenen Status von GRU aktualisieren; Form = (n_layers x num_directions, batch_size, versteckte_größe)
class EncoderRNN(nn.Module):
def __init__(self, hidden_size, embedding, n_layers=1, dropout=0):
super(EncoderRNN, self).__init__()
self.n_layers = n_layers
self.hidden_size = hidden_size
self.embedding = embedding
# Initialize GRU; the input_size and hidden_size parameters are both set to 'hidden_size'
# because our input size is a word embedding with number of features == hidden_size
self.gru = nn.GRU(hidden_size, hidden_size, n_layers,
dropout=(0 if n_layers == 1 else dropout), bidirectional=True)
def forward(self, input_seq, input_lengths, hidden=None):
# Convert word indexes to embeddings
embedded = self.embedding(input_seq)
# Pack padded batch of sequences for RNN module
packed = nn.utils.rnn.pack_padded_sequence(embedded, input_lengths)
# Forward pass through GRU
outputs, hidden = self.gru(packed, hidden)
# Unpack padding
outputs, _ = nn.utils.rnn.pad_packed_sequence(outputs)
# Summe bidirektionaler GRU-Ausgänge
Ausgänge = Ausgänge [:, :, : self . versteckte_größe ] + gibt [:, : , self aus . versteckte_größe :]
# Rückgabeausgabe und endgültige
Rückgabeausgaben für den verborgenen Zustand , versteckt
Decoder
Der Decoder RNN generiert Antwortsätze Token für Token. Es verwendet den Kontextvektor und den internen verborgenen Zustand des Encoders, um das nächste Wort in der Sequenz zu generieren. Es generiert weiterhin Wörter, bis es ein EOS_token ausgibt , das das Ende des Satzes darstellt. Ein häufiges Problem bei Vanilla-seq2seq-Decodern besteht darin, dass wahrscheinlich Informationen verloren gehen, wenn wir uns nur auf Kontextvektoren verlassen, um die Bedeutung der gesamten Eingabesequenz zu kodieren. Dies gilt insbesondere bei langen Eingabesequenzen, wodurch die Fähigkeiten unseres Decoders stark eingeschränkt werden.
Um dieses Problem anzugehen, haben Bahdanau et al. Es wird ein „Aufmerksamkeitsmechanismus“ geschaffen, der es dem Decoder ermöglicht, sich auf bestimmte Teile der Eingabesequenz zu konzentrieren, anstatt bei jedem Schritt den gesamten festen Kontext zu verwenden.
Auf hoher Ebene wird die Aufmerksamkeit anhand des aktuellen verborgenen Zustands des Decoders und der Ausgabe des Encoders berechnet. Die Ausgabe-Aufmerksamkeitsgewichte haben die gleiche Form wie die Eingabesequenz, sodass wir sie mit der Encoder-Ausgabe multiplizieren können, was zu einer gewichteten Summe führt, die angibt, auf welche Teile der Encoder-Ausgabe geachtet werden muss. Die Statistiken von Sean Robertson beschreiben dies gut:
Liang et al. Verbessert die grundlegende Arbeit von Bahdanau et al., indem es „globale Aufmerksamkeit“ erregt. Der Hauptunterschied besteht darin, dass wir für die „globale Aufmerksamkeit“ alle verborgenen Zustände des Encoders berücksichtigen, im Gegensatz zur „lokalen Aufmerksamkeit“ von Bahdanau et al., die nur den verborgenen Zustand des Encoders im aktuellen Zeitschritt berücksichtigt. Ein weiterer Unterschied besteht darin, dass wir für die „globale Aufmerksamkeit“ nur den verborgenen Zustand des Decoders im aktuellen Zeitschritt verwenden, um Aufmerksamkeitsgewichte oder -energien zu berechnen. Die Aufmerksamkeitsberechnung von Bahdanau et al. erfordert die Kenntnis des Decoderzustands im vorherigen Zeitschritt. Darüber hinaus haben Luong et al. Zur Berechnung der Aufmerksamkeitsenergie zwischen der Ausgabe des Encoders und der Ausgabe des Decoders stehen verschiedene Methoden zur Verfügung, die als „Score-Funktionen“ bezeichnet werden:
wobei H t = aktueller Ziel- Decoder- Zustand und H ˉs = alle Encoder-Zustände.
Insgesamt lässt sich der Global Attention-Mechanismus in der folgenden Abbildung zusammenfassen. Beachten Sie, dass wir die „Aufmerksamkeitsschicht“ als einzelnes Modul nn.Module
mit dem Namen implementieren werden Attn
. Die Ausgabe dieses Moduls ist ein Softmax-normalisierter Gewichtungstensor der Form (batch_size, 1, max_length) .
# Luong attention layer
class Attn(nn.Module):
def __init__(self, method, hidden_size):
super(Attn, self).__init__()
self.method = method
if self.method not in ['dot', 'general', 'concat']:
raise ValueError(self.method, „ist keine geeignete Aufmerksamkeitsmethode.“ )
selbst . versteckte_größe = versteckte_größe
wenn self . method == 'general' :
self . attn = nn.Linear ( self.hidden_size , hidden_size ) elif self . _ _ method == 'concat' : self . attn = nn.Linear ( self . versteckte_größe * 2 , versteckte_größe ) selbst
. v = nn.Parameter ( Torch . FloatTensor ( Hidden_Size ))
Def Dot_score ( Self , Hidden , Encoder_Output ):
return Torch.sum ( Hidden * Encoder_Output , Dim = 2 )
Def General_score ( Self , Hidden , Encoder_Output ):
Energy = Self . attn ( encoder_output )
Rückkehr Torch.sum ( hidden * energy , dim = 2 )
def concat_score ( self , Hidden , Encoder_Output ):
Energy = Self . attn ( Torch.cat (( Hidden . Expand ( Encoder_Output . Size ( 0 ), - 1 , - 1 ), Encoder_Output ), 2 )) . tanh ()
Rückkehr torch.sum(self.v * energy, dim=2)
def forward(self, hidden, encoder_outputs):
# Calculate the attention weights (energies) based on the given method
if self.method == 'general':
attn_energies = self.general_score(hidden, encoder_outputs)
elif self.method == 'concat':
attn_energies = self.concat_score(hidden, encoder_outputs)
elif self.method == 'dot':
attn_energies = self.dot_score(hidden, encoder_outputs)
# Transpose max_length and batch_size dimensions
attn_energies = attn_energies.t()
# Return the softmax normalized probability scores (with added dimension)
return F.softmax(attn_energies, dim=1).unsqueeze(1)
现在我们已经定义了注意力子模块,我们可以实现实际的解码器模型。对于解码器,我们将一次手动输入一批数据。这意味着我们的嵌入字张量和 GRU 输出都将具有形状(1,batch_size,hidden_size)。
计算图:
获取当前输入单词的嵌入。
通过单向 GRU 转发。
根据 (2) 中的当前 GRU 输出计算注意力权重。
将注意力权重乘以编码器输出以获得新的“加权和”上下文向量。
使用 Luong eq 连接加权上下文向量和 GRU 输出。5.
使用 Luong eq 预测下一个单词。6(没有softmax)。
返回输出和最终隐藏状态。
输入:
-
input_step
:输入序列批次的一个时间步(一个字);形状= (1,批量大小) -
last_hidden
:GRU 的最后隐藏层;形状= (n_layers x num_directions,batch_size,hidden_size) -
encoder_outputs
:编码器模型的输出;形状= (最大长度,批量大小,隐藏大小)
输出:
-
output
:softmax 归一化张量,给出每个单词是解码序列中正确的下一个单词的概率;shape= (batch_size, voc.num_words) -
hidden
:GRU的最终隐藏状态;形状= (n_layers x num_directions,batch_size,hidden_size)
class LuongAttnDecoderRNN(nn.Module):
def __init__(self, attn_model, embedding, hidden_size, output_size, n_layers=1, dropout=0.1):
super(LuongAttnDecoderRNN, self).__init__()
# Keep for reference
self.attn_model = attn_model
self.hidden_size = hidden_size
self.output_size = output_size
self.n_layers = n_layers
self.dropout = dropout
# Define layers
self.embedding = embedding
self.embedding_dropout = nn.Dropout(dropout)
self.gru = nn.GRU(hidden_size, hidden_size, n_layers, dropout=(0 if n_layers == 1 else dropout))
self.concat = nn.Linear(hidden_size * 2, hidden_size)
self.out = nn.Linear(hidden_size, output_size)
self.attn = Attn(attn_model, hidden_size)
def forward(self, input_step, last_hidden, encoder_outputs):
# Note: we run this one step (word) at a time
# Get embedding of current input word
embedded = self.embedding(input_step)
embedded = self.embedding_dropout(embedded)
# Forward through unidirectional GRU
rnn_output, hidden = self.gru(embedded, last_hidden)
# Calculate attention weights from the current GRU output
attn_weights = self.attn(rnn_output, encoder_outputs)
# Multiply attention weights to encoder outputs to get new "weighted sum" context vector
context = attn_weights.bmm(encoder_outputs.transpose(0, 1))
# Concatenate weighted context vector and GRU output using Luong eq. 5
rnn_output = rnn_output.squeeze(0)
context = context.squeeze(1)
concat_input = torch.cat((rnn_output, context), 1)
concat_output = Torch.tanh ( self . concat ( concat_input ))
# Nächstes Wort mit Luong-Gl. vorhersagen. 6
Ausgabe = self . out ( concat_output )
output = F.softmax ( output , dim = 1 )
# Rückgabeausgabe und endgültiger verborgener Zustand
, Rückgabeausgabe , versteckt
Definieren Sie Schulungsverfahren
Maskierungsverlust
Da es sich um Stapel aufgefüllter Sequenzen handelt, können wir bei der Berechnung des Verlusts nicht einfach alle Elemente des Tensors berücksichtigen. Wir definieren maskNLLLoss
den zu berechnenden Verlust aus dem Ausgabetensor des Decoders, dem Zieltensor und einem binären Maskentensor, der die Auffüllung des Zieltensors beschreibt. Diese Verlustfunktion berechnet die durchschnittliche negative Log-Likelihood von Elementen, die 1 im Maskentensor entsprechen .
单次训练迭代
该train
函数包含单次训练迭代(单批输入)的算法。
我们将使用一些巧妙的技巧来帮助收敛:
-
第一个技巧是使用教师强制。这意味着在由 设定的某种概率下
teacher_forcing_ratio
,我们使用当前目标词作为解码器的下一个输入,而不是使用解码器的当前猜测。该技术充当解码器的训练轮,有助于更有效的训练。然而,教师强制可能会导致推理期间模型不稳定,因为解码器在训练期间可能没有足够的机会真正制作自己的输出序列。因此,我们必须注意如何设置teacher_forcing_ratio
,而不是被快速收敛所愚弄。 -
我们实现的第二个技巧是梯度裁剪。这是应对“梯度爆炸”问题的常用技术。本质上,通过将梯度裁剪或阈值化为最大值,我们可以防止梯度呈指数增长并溢出(NaN)或超出成本函数中的陡峭悬崖。
图片来源:Goodfellow 等人。深度学习。2016。https ://www.deeplearningbook.org/
操作顺序:
通过编码器正向传递整个输入批次。
将解码器输入初始化为 SOS_token,将隐藏状态初始化为编码器的最终隐藏状态。
一次一步地通过解码器转发输入批次序列。
如果教师强制:将下一个解码器输入设置为当前目标;else: 将下一个解码器输入设置为当前解码器输出。
计算并累积损失。
执行反向传播。
剪辑渐变。
更新编码器和解码器模型参数。
笔记
PyTorch 的 RNN 模块 ( RNN
、LSTM
、GRU
) 可以像任何其他非循环层一样使用,只需向它们传递整个输入序列(或一批序列)即可。我们GRU
在encoder
. 现实情况是,在幕后,有一个迭代过程在每个时间步上循环计算隐藏状态。或者,您可以一次运行这些模块一个步骤。在这种情况下,我们在训练过程中手动循环序列,就像我们必须对decoder
模型所做的那样。只要维护这些模块的正确概念模型,实现顺序模型就可以非常简单。
def train(input_variable, lengths, target_variable, mask, max_target_len, encoder, decoder, embedding,
encoder_optimizer, decoder_optimizer, batch_size, clip, max_length=MAX_LENGTH):
# Zero gradients
encoder_optimizer.zero_grad()
decoder_optimizer.zero_grad()
# Set device options
input_variable = input_variable.to(Gerät )
target_variable = target_variable . zu ( Gerät )
Maske = Maske . to ( device )
# Längen für RNN-Packung sollten immer auf der CPU-
Längen = Längen liegen . to ( "cpu" )
# Variablen initialisieren
loss = 0
print_losses = []
n_totals = 0
# Vorwärtsdurchlauf durch Encoder
Encoder_outputs , Encoder_hidden = Encoder (input_variable, lengths)
# Create initial decoder input (start with SOS tokens for each sentence)
decoder_input = torch.LongTensor([[SOS_token for _ in range(batch_size)]])
decoder_input = decoder_input.to(device)
# Set initial decoder hidden state to the encoder's final hidden state
decoder_hidden = encoder_hidden[:decoder.n_layers]
# Determine if we are using teacher forcing this iteration
use_teacher_forcing = True , wenn zufällig . random () < teacher_forcing_ratio else False
# Stapel von Sequenzen Schritt für Schritt durch den Decoder weiterleiten,
wenn use_teacher_forcing :
für t im Bereich ( max_target_len ):
decoder_output , decoder_hidden = Decoder (
decoder_input , decoder_hidden , Encoder_outputs
)
# Lehrer erzwingen: nächste Eingabe ist aktuelles Ziel
decoder_input = target_variable[t].view(1, -1)
# Calculate and accumulate loss
mask_loss, nTotal = maskNLLLoss(decoder_output, target_variable[t], mask[t])
loss += mask_loss
print_losses.append(mask_loss.item() * nTotal)
n_totals += nTotal
else:
for t in range(max_target_len):
decoder_output, decoder_hidden = decoder(
decoder_input, decoder_hidden, encoder_outputs
)
# No teacher forcing: next input is decoder's own current output
_, topi = decoder_output.topk(1)
decoder_input = torch.LongTensor([[topi[i][0] for i in range(batch_size)]])
decoder_input = decoder_input.to(device)
# Calculate and accumulate loss
mask_loss, nTotal = maskNLLLoss(decoder_output, target_variable[t], mask[t])
loss += mask_loss
print_losses.append(mask_loss.item() * nTotal)
n_totals += nTotal
# Perform backpropagation
loss.backback ()
# Clip-Verläufe: Verläufe werden an Ort und Stelle geändert
_ = nn.utils.clip_grad_norm_ ( Encoder.parameters (), Clip )
_ = nn.utils.clip_grad_norm_ ( Decoder.parameters (), Clip )
# Modellgewichte anpassen
Encoder_optimizer. step ()
decoder_optimizer.step ( )
Rückgabesumme ( print_losses ) / n_totals
Trainingsiterationen
Es ist endlich an der Zeit, den gesamten Trainingsprozess mit den Daten zusammenzuführen. Diese trainIters
Funktion ist für n_iterations
die Ausführung des Trainings unter Berücksichtigung des übergebenen Modells, Optimierers, der Daten usw. verantwortlich. Die Funktion ist ziemlich selbsterklärend, da wir die schwere Arbeit damit bereits erledigt haben train
.
需要注意的一件事是,当我们保存模型时,我们保存一个包含编码器和解码器state_dicts
(参数)、优化器state_dicts
、损失、迭代等的 tarball。以这种方式保存模型将为我们提供最终的灵活性检查站。加载检查点后,我们将能够使用模型参数来运行推理,或者我们可以从上次停止的地方继续训练。
def trainIters ( model_name , voc , Paare , Encoder , Decoder , Encoder_Optimizer , Decoder_Optimizer , Embedding , Encoder_n_Layers , Decoder_n_Layers , Save_Dir , n_Iteration , Batch_size , Print_every , Save_every , Clip , Corpus_Name , LoadFilename ):
# Batches für jede Iteration laden
training_batches = [ batch2Tra inData(voc, [random.choice(pairs) for _ in range(batch_size)])
for _ in range(n_iteration)]
# Initializations
print('Initializing ...')
start_iteration = 1
print_loss = 0
if loadFilename:
start_iteration = checkpoint['iteration'] + 1
# Training loop
print( „Training...“ )
für Iteration im Bereich ( start_iteration , n_iteration + 1 ):
training_batch = training_batches [ iteration - 1 ]
# Felder aus Batch extrahieren
input_variable , lengths , target_variable , mask , max_target_len = training_batch
# Führen Sie eine Trainingsiteration mit aus Batch-
Verlust = Zug ( Eingabevariable , Längen , target_variable, mask, max_target_len, encoder,
decoder, embedding, encoder_optimizer, decoder_optimizer, batch_size, clip)
print_loss += loss
# Print progress
if iteration % print_every == 0:
print_loss_avg = print_loss / print_every
print("Iteration: {}; Percent complete: {:.1f}%; Average loss: {:.4f}" . format ( iteration , iteration / n_iteration * 100 , print_loss_avg ))
print_loss = 0
# Prüfpunkt speichern
if ( iteration % save_every == 0 ):
Verzeichnis = OS . Pfad . Join ( save_dir , model_name , corpus_name , ' {} - { } _ {} ' . Format (Encoder_n_layers , decoder_n_layers , versteckte_größe ))
, wenn nicht os . Pfad . existiert ( Verzeichnis ):
os . makedirs ( Verzeichnis )
Torch.save ({
'iteration' : iteration ,
'en' : Encoder.state_dict (),
'de' : decoder.state_dict (),
'en_opt' : Encoder_optimizer.state_dict (),
'de_opt' : decoder_optimizer .state_dict (),
'loss': loss,
'voc_dict': voc.__dict__,
'embedding': embedding.state_dict()
}, os.path.join(directory, '{}_{}.tar'.format(iteration, 'checkpoint')))
定义评估
训练模型后,我们希望能够自己与机器人对话。首先,我们必须定义模型如何解码编码输入。
贪心解码
贪婪解码是我们在训练期间不使用教师强制时使用的解码方法。换句话说,对于每个时间步长,我们只需选择decoder_output
具有最高 softmax 值的单词。该解码方法在单个时间步长级别上是最佳的。
Um die gierige Dekodierungsoperation zu erleichtern, definieren wir eine GreedySearchDecoder
Klasse. Zur Laufzeit nimmt ein Objekt dieser Klasse eine Eingabesequenz ( ) der Form input_seq
( input_seq length, 1) , einen skalaren Eingabelängen ( input_length
)-Tensor und max_length
einen zur Begrenzung der Antwortsatzlänge an. Bewerten Sie den Eingabesatz mithilfe des folgenden Rechendiagramms:
Berechnungsdiagramm:
Leiten Sie die Eingabe über das Encodermodell weiter.
Bereiten Sie die letzte verborgene Ebene des Encoders als ersten versteckten Eingang für den Decoder vor.
Initialisieren Sie den ersten Eingang des Decoders mit SOS_token.
Initialisieren Sie den Tensor, an den decodierte Wörter angehängt werden sollen.
Iterativ jeweils ein Wort-Token dekodieren:
durch den Decoder weiterleiten.
Erhalten Sie das wahrscheinlichste Wort-Token und seinen Softmax-Score.
Notieren Sie Token und Punkte.
Bereiten Sie den aktuellen Token als Eingabe für den nächsten Decoder vor.
Gibt eine Sammlung von Wort-Tokens und -Bewertungen zurück.
Klasse GreedySearchDecoder ( nn.Module ):
def __init__ ( self , Encoder , Decoder ):
super ( GreedySearchDecoder , self ) . __init__ ()
self . Encoder = Encoder
selbst . decoder = decoder
def forward ( self , input_seq , input_length , max_length ):
# Eingabe über Encodermodell
Encoder_Outputs weiterleiten, encoder_hidden = self.encoder(input_seq, input_length)
# Prepare encoder's final hidden layer to be first hidden input to the decoder
decoder_hidden = encoder_hidden[:decoder.n_layers]
# Initialize decoder input with SOS_token
decoder_input = torch.ones(1, 1, device=device, dtype=torch.long) * SOS_token
# Initialize tensors to append decoded words to
all_tokens = Torch.zeros ([ 0 ], Gerät = Gerät , dtype = Torch.long )
all_scores = Torch.zeros ([ 0 ], Gerät = Gerät )
# Iterativ jeweils ein Wort-Token
für _ im Bereich ( max_length ) dekodieren :
# Vorwärtsdurchlauf durch Decoder
decoder_output , decoder_hidden = self . Decoder ( decoder_input , decoder_hidden , (encoder_outputs )
# Das wahrscheinlichste Wort-Token und seinen Softmax-Score abrufen.
decoder_scores , decoder_input = Torch.max ( decoder_output , dim = 1 )
# Token aufzeichnen und bewerten.
all_tokens = Torch.cat (( all_tokens , decoder_input ), dim = 0 )
all_scores = Torch .cat (( all_scores , decoder_scores ), dim = 0 )
# Bereiten Sie das aktuelle Token als nächste Decoder-Eingabe vor (fügen Sie eine Dimension hinzu)
decoder_input = Torch.unsqueeze ( decoder_input , 0 )
# Gibt Sammlungen von Wort-Tokens und Bewertungen zurück
und gibt all_tokens , all_scores zurück
Bewerten Sie meinen Text
Nachdem wir nun die Dekodierungsmethode definiert haben, können wir Funktionen zum Auswerten von String-Eingabesätzen schreiben. Diese evaluate
Funktion verwaltet den Low-Level-Prozess der Verarbeitung von Eingabesätzen. Wir formatieren zunächst Sätze in einen Stapel von Eingabewortindizes, wobei „batch_size==1“ ist . Dazu konvertieren wir die Wörter eines Satzes in ihre entsprechenden Indizes und transponieren die Dimensionen, um Tensoren für unser Modell vorzubereiten. Wir erstellen außerdem einen lengths
Tensor, der die Länge des Eingabesatzes enthält. In diesem Fall lengths
ein Skalar, da wir jeweils nur einen Satz auswerten (batch_size==1). GreedySearchDecoder
Als nächstes verwenden wir unser Objekt ( searcher
), um den dekodierten Antwortsatztensor zu erhalten. Schließlich konvertieren wir den Index der Antwort in Wörter und geben die dekodierte Wortliste zurück.
evaluateInput
Dient als Benutzeroberfläche für unseren Chatbot. Beim Aufruf wird ein Eingabetextfeld generiert, in das wir unseren Abfragesatz eingeben können. Nach Eingabe des Eingabesatzes und Drücken der Eingabetaste wird unser Text auf die gleiche Weise wie die Trainingsdaten normalisiert und schließlich der Funktion zugeführt, evaluate
um den dekodierten Ausgabesatz zu erhalten. Wir wiederholen diesen Vorgang, sodass wir so lange mit unserem Bot chatten können, bis wir „q“ oder „quit“ eingeben.
Wenn der eingegebene Satz schließlich Wörter enthält, die nicht im Vokabular enthalten sind, gehen wir elegant damit um, indem wir eine Fehlermeldung ausgeben und den Benutzer auffordern, einen anderen Satz einzugeben.
def evaluate(encoder, decoder, searcher, voc, sentence, max_length=MAX_LENGTH):
### Format input sentence as a batch
# words -> indexes
indexes_batch = [indexesFromSentence(voc, sentence)]
# Create lengths tensor
lengths = torch.tensor([len(indexes) for indexes in indexes_batch])
# Transponieren Sie die Dimensionen des Stapels, um sie an die Erwartungen der Modelle anzupassen
input_batch = Torch . LongTensor ( indexes_batch ) . transpose ( 0 , 1 )
# Geeignetes Gerät verwenden
input_batch = input_batch . zu ( Gerät )
Längen = Längen . to ( „cpu“ )
# Satz mit Suchtokens
dekodieren , Punkte = Sucher ( input_batch , Längen , max_length)
# indexes -> words
decoded_words = [voc.index2word[token.item()] for token in tokens]
return decoded_words
def evaluateInput(encoder, decoder, searcher, voc):
input_sentence = ''
while(1):
try:
# Get input sentence
input_sentence = input('> ')
# Überprüfen Sie, ob es sich um einen Quit-Fall handelt,
wenn input_sentence == 'q' oder input_sentence == 'quit' : break
# Satz normalisieren
input_sentence = normalizeString ( input_sentence )
# Satz auswerten
Output_words = value ( encoder , decoder , searcher , voc , input_sentence ) # Formatieren und drucken Sie den Antwortsatz „output_words [:] = [ x für x in „output_words“ .
if not (x == 'EOS' or x == 'PAD')]
print('Bot:', ' '.join(output_words))
except KeyError:
print("Error: Encountered unknown word.")
运行模型
最后,是时候运行我们的模型了!
无论我们是要训练还是测试聊天机器人模型,我们都必须初始化单独的编码器和解码器模型。在下面的块中,我们设置所需的配置,选择从头开始或设置要加载的检查点,然后构建和初始化模型。请随意使用不同的模型配置来优化性能。
# Modelle konfigurieren
model_name = 'cb_model'
attn_model = 'dot'
#``attn_model = 'general'``
#``attn_model = 'concat'``
Hidden_size = 500
Encoder_n_layers = 2
Decoder_n_Layers = 2
Dropout = 0,1
Batch_size = 64
# Set Prüfpunkt zum Laden; auf „None“ setzen, wenn von vorne begonnen wird.
LoadFilename = None ,
checkpoint_iter = 4000
Vom Prüfpunkt geladener Beispielcode:
LoadFilename = os . Pfad . join ( save_dir , model_name , corpus_name ,
' {} - {} _ {} ' . Format ( Encoder_n_Layers , Decoder_n_Layers , Hidden_Size ),
' {} _checkpoint.tar' . Format ( Checkpoint_iter ))
# Load model if a ``loadFilename`` is provided
if loadFilename:
# If loading on same machine the model was trained on
checkpoint = torch.load(loadFilename)
# If loading a model trained on GPU to CPU
#checkpoint = torch.load(loadFilename, map_location=torch.device('cpu'))
encoder_sd = checkpoint['en']
decoder_sd = checkpoint['de']
encoder_optimizer_sd = checkpoint['en_opt']
decoder_optimizer_sd = checkpoint['de_opt' ]
embedding_sd = checkpoint [ 'embedding' ]
voc . __dict__ = checkpoint [ 'voc_dict' ]
print ( 'Encoder und Decoder erstellen ...' )
# Worteinbettungen initialisieren
embedding = nn.Embedding ( voc . num_words , versteckte_größe )
if loadFilename :
embedding.load_state_dict ( embedding_sd )
# Encoder und Decoder initialisieren Modelle
Encoder = EncoderRNN( hidden_size , Embedding , Encoder_n_Layers , Dropout )
Decoder = LuongAttnDecoderRNN ( Attn_Model , Embedding , Hidden_Size , Voc . Anzahl Wörter , Decoder_n_Layers , Dropout )
if LoadFilename :
Encoder.load_state_dict ( Encoder_sd )
Decoder.load_State_dict ( Decoder_sd )
# Verwenden Sie das entsprechende Gerät
Encoder = Encoder . zu ( Gerät)
decoder = decoder.to(device)
print('Models built and ready to go!')
Building encoder and decoder ...
Models built and ready to go!
跑步训练
如果您想训练模型,请运行以下块。
首先,我们设置训练参数,然后初始化优化器,最后调用函数trainIters
来运行训练迭代。
# Training/Optimierung konfigurieren
Clip = 50,0
teacher_forcing_ratio = 1,0
learning_rate = 0,0001
decoder_learning_ratio = 5,0
n_iteration = 4000
print_every = 1
save_every = 500
# Sicherstellen, dass Dropout-Layer im Trainingsmodus sind
Encoder.train ()
decoder.train ()
# Optimierer initialisieren
print ( ' Optimierer erstellen ...' )
Encoder_optimizer = optim.Adam ( Encoder.parameters (), lr =learning_rate)
decoder_optimizer = optim.Adam(decoder.parameters(), lr=learning_rate * decoder_learning_ratio)
if loadFilename:
encoder_optimizer.load_state_dict(encoder_optimizer_sd)
decoder_optimizer.load_state_dict(decoder_optimizer_sd)
# If you have CUDA, configure CUDA to call
for state in encoder_optimizer.state.values():
for k, v in state.items():
if isinstance(v, torch.Tensor):
state[k] = v.cuda()
for state in decoder_optimizer.state.values():
for k, v in state.items():
if isinstance(v, torch.Tensor):
state[k] = v.cuda()
# Trainingsiterationen ausführen
print ( „Starting Training!“ )
trainIters ( model_name , voc , pairs , Encoder , decoder , encoder_optimizer , decoder_optimizer ,
embedding , encoder_n_layers , decoder_n_layers , save_dir , n_iteration , batch_size ,
print_every , save_every , clip , corpus_name , LoadFilename )
Bauoptimierer ... Beginn der Schulung! Initialisierung ... Training ... Iteration: 1; Prozentsatz abgeschlossen: 0,0 %; Durchschnittlicher Verlust: 8,9557
Iteration: 1497; Fertigstellungsgrad: 37,4 %; Durchschnittlicher Verlust: 3,3915 Iteration: 1498; Fertigstellungsgrad: 37,5 %; Durchschnittlicher Verlust: 3,3294 Iteration: 1499; Fertigstellungsgrad: 37,5 %; Durchschnittlicher Verlust: 3,0871 Iteration: 1500; Fertigstellungsgrad: 37,5 %; Durchschnittlicher Verlust: 3,3111 Iteration: 1501; Fertigstellungsgrad: 37,5 %; Durchschnittlicher Verlust: 3,0605 Iteration: 1502; Fertigstellungsgrad: 37,5 %; Durchschnittlicher Verlust: 3,1857 Iteration: 1503; Fertigstellungsgrad: 37,6 %; Durchschnittlicher Verlust: 3,4914 Iteration: 1504; Fertigstellungsgrad: 37,6 %; Durchschnittlicher Verlust: 3,0607 Iteration: 1505; Fertigstellungsgrad: 37,6 %; Durchschnittlicher Verlust: 3,1653 Iteration: 1506; Fertigstellungsgrad: 37,6 %; Durchschnittlicher Verlust: 3,3464 Iteration: 1507; Fertigstellungsgrad: 37,7 %; Durchschnittlicher Verlust: 3,3343 Iteration: 1508; Fertigstellungsgrad: 37,7 %; Durchschnittlicher Verlust: 3,2427 Iteration: 1509; Fertigstellungsgrad: 37,7 %; Durchschnittlicher Verlust: 3,2750 Iteration: 1510; Fertigstellungsgrad: 37,8 %; Durchschnittlicher Verlust: 3,3731 Iteration: 1511; Fertigstellungsgrad: 37,8 %; Durchschnittlicher Verlust: 3,2830 Iteration: 1512; Fertigstellungsgrad: 37,8 %; Durchschnittlicher Verlust: 3,2919 Iteration: 1513; Fertigstellungsgrad: 37,8 %; Durchschnittlicher Verlust: 3,1917 Iteration: 1514; Fertigstellungsgrad: 37,9 %; Durchschnittlicher Verlust: 3,2123 Iteration: 1515; Fertigstellungsgrad: 37,9 %; Durchschnittlicher Verlust: 3,3189 Iteration: 1516; Fertigstellungsgrad: 37,9 %; Durchschnittlicher Verlust: 3,1814 Iteration: 1517; Fertigstellungsgrad: 37,9 %; Durchschnittlicher Verlust: 3,3051 Iteration: 1518; Fertigstellungsgrad: 38,0 %; Durchschnittlicher Verlust: 3,4495 Iteration: 1519; Fertigstellungsgrad: 38,0 %; Durchschnittlicher Verlust: 3,2963 Iteration: 1520; Fertigstellungsgrad: 38,0 %; Durchschnittlicher Verlust: 3,2766 Iteration: 1521; Fertigstellungsgrad: 38,0 %; Durchschnittlicher Verlust: 3,3116 Iteration: 1522; Fertigstellungsgrad: 38,0 %; Durchschnittlicher Verlust: 3,2794 Iteration: 1523; Fertigstellungsgrad: 38,1 %; Durchschnittlicher Verlust: 3,2985 Iteration: 1524; Fertigstellungsgrad: 38,1 %; Durchschnittlicher Verlust: 3,5464 Iteration: 1525; Fertigstellungsgrad: 38,1 %; Durchschnittlicher Verlust: 3,3130 Iteration: 1526; Fertigstellungsgrad: 38,1 %; Durchschnittlicher Verlust: 3,3966
Iteration: 1527; Percent complete: 38.2%; Average loss: 3.3655
Iteration: 1528; Percent complete: 38.2%; Average loss: 3.5355
Iteration: 1529; Percent complete: 38.2%; Average loss: 3.2908
Iteration: 1530; Percent complete: 38.2%; Average loss: 3.3223
Iteration: 1531; Percent complete: 38.3%; Average loss: 3.3646
Iteration: 1532; Percent complete: 38.3%; Average loss: 3.3574
Iteration: 1533; Percent complete: 38.3%; Average loss: 3.3535
Iteration: 1534; Percent complete: 38.4%; Average loss: 3.2012
Iteration: 1535; Percent complete: 38.4%; Average loss: 3.0008
Iteration: 1536; Percent complete: 38.4%; Average loss: 3.4063
Iteration: 1537; Percent complete: 38.4%; Average loss: 3.4194 Iteration: 1538; Fertigstellungsgrad: 38,5 %; Durchschnittlicher Verlust: 3,1609 Iteration: 1539; Fertigstellungsgrad: 38,5 %; Durchschnittlicher Verlust: 3,4211 Iteration: 1540; Fertigstellungsgrad: 38,5 %; Durchschnittlicher Verlust: 3,3502 Iteration: 1541; Fertigstellungsgrad: 38,5 %; Durchschnittlicher Verlust: 3,3537 Iteration: 1542; Fertigstellungsgrad: 38,6 %; Durchschnittlicher Verlust: 3,2534 Iteration: 1543; Fertigstellungsgrad: 38,6 %; Durchschnittlicher Verlust: 3,1207 Iteration: 1544; Fertigstellungsgrad: 38,6 %; Durchschnittlicher Verlust: 3,3765 Iteration: 1545; Fertigstellungsgrad: 38,6 %; Durchschnittlicher Verlust: 3,2870 Iteration: 1546; Fertigstellungsgrad: 38,6 %; Durchschnittlicher Verlust: 3,1426 Iteration: 1547; Fertigstellungsgrad: 38,7 %; Durchschnittlicher Verlust: 3,2928 Iteration: 1548; Fertigstellungsgrad: 38,7 %; Durchschnittlicher Verlust: 3,4218 Iteration: 1549; Fertigstellungsgrad: 38,7 %; Durchschnittlicher Verlust: 2,9980 Iteration: 1550; Fertigstellungsgrad: 38,8 %; Durchschnittlicher Verlust: 3,2031 Iteration: 1551; Fertigstellungsgrad: 38,8 %; Durchschnittlicher Verlust: 3,0545 Iteration: 1552; Fertigstellungsgrad: 38,8 %; Durchschnittlicher Verlust: 3,3794 Iteration: 1553; Fertigstellungsgrad: 38,8 %; Durchschnittlicher Verlust: 3,0721 Iteration: 1554; Fertigstellungsgrad: 38,9 %; Durchschnittlicher Verlust: 3,4237 Iteration: 1555; Fertigstellungsgrad: 38,9 %; Durchschnittlicher Verlust: 3,2394 Iteration: 1556; Fertigstellungsgrad: 38,9 %; Durchschnittlicher Verlust: 3,0929 Iteration: 1557; Fertigstellungsgrad: 38,9 %; Durchschnittlicher Verlust: 3,2294 Iteration: 1558; Fertigstellungsgrad: 39,0 %; Durchschnittlicher Verlust: 3,3667 Iteration: 1559; Fertigstellungsgrad: 39,0 %; Durchschnittlicher Verlust: 3,4667
Iteration: 1560; Percent complete: 39.0%; Average loss: 2.9508
Iteration: 1561; Percent complete: 39.0%; Average loss: 3.6283
Iteration: 1562; Percent complete: 39.1%; Average loss: 3.3443
Iteration: 1563; Percent complete: 39.1%; Average loss: 3.2425
Iteration: 1564; Percent complete: 39.1%; Average loss: 3.5134
Iteration: 1565; Percent complete: 39.1%; Average loss: 3.3335
Iteration: 1566; Percent complete: 39.1%; Average loss: 3.2957
Iteration: 1567; Percent complete: 39.2%; Average loss: 3.0645
Iteration: 1568; Percent complete: 39.2%; Average loss: 3.1673
Iteration: 1569; Percent complete: 39.2%; Average loss: 3.2367
Iteration: 1570; Percent complete: 39.2%; Average loss: 3.1368
Iteration: 1571; Percent complete: 39.3%; Average loss: 3.0196
Iteration: 1572; Percent complete: 39.3%; Average loss: 3.2433
Iteration: 1573; Percent complete: 39.3%; Average loss: 3.4304
Iteration: 1574; Percent complete: 39.4%; Average loss: 3.1778
Iteration: 1575; Percent complete: 39.4%; Average loss: 3.5510
Iteration: 1576; Percent complete: 39.4%; Average loss: 3.2482
Iteration: 1577; Percent complete: 39.4%; Average loss: 3.2707
Iteration: 1578; Percent complete: 39.5%; Average loss: 3.0998
Iteration: 1579; Percent complete: 39.5%; Average loss: 3.3175
Iteration: 1580; Percent complete: 39.5%; Average loss: 3.0692
Iteration: 1581; Percent complete: 39.5%; Average loss: 3.1820
Iteration: 1582; Percent complete: 39.6%; Average loss: 3.2758
Iteration: 1583; Percent complete: 39.6%; Average loss: 3.4247
Iteration: 1584; Percent complete: 39.6%; Average loss: 2.9866
Iteration: 1585; Percent complete: 39.6%; Average loss: 3.4215
Iteration: 1586; Percent complete: 39.6%; Average loss: 3.1239
Iteration: 1587; Percent complete: 39.7%; Average loss: 3.2891
Iteration: 1588; Percent complete: 39.7%; Average loss: 3.3441
Iteration: 1589; Percent complete: 39.7%; Average loss: 3.4015
Iteration: 1590; Percent complete: 39.8%; Average loss: 3.1678
Iteration: 1591; Percent complete: 39.8%; Average loss: 3.2509
Iteration: 1592; Percent complete: 39.8%; Average loss: 3.3413
Iteration: 1593; Percent complete: 39.8%; Average loss: 3.3334
Iteration: 1594; Percent complete: 39.9%; Average loss: 3.2066
Iteration: 1595; Percent complete: 39.9%; Average loss: 3.5717
Iteration: 1596; Percent complete: 39.9%; Average loss: 3.2644
Iteration: 1597; Percent complete: 39.9%; Average loss: 3.4574
Iteration: 1598; Percent complete: 40.0%; Average loss: 3.3502
Iteration: 1599; Percent complete: 40.0%; Average loss: 2.9495
Iteration: 1600; Percent complete: 40.0%; Average loss: 3.0889
Iteration: 1601; Percent complete: 40.0%; Average loss: 3.1596
Iteration: 1602; Percent complete: 40.1%; Average loss: 3.3647
Iteration: 1603; Percent complete: 40.1%; Average loss: 3.1755 Iteration: 1604; Prozentsatz abgeschlossen: 40,1 %; Durchschnittlicher Verlust: 3,2520 Iteration: 1605; Prozentsatz abgeschlossen: 40,1 %; Durchschnittlicher Verlust: 3,3493 Iteration: 1606; Fertigstellungsgrad: 40,2 %; Durchschnittlicher Verlust: 3,2803 Iteration: 1607; Fertigstellungsgrad: 40,2 %; Durchschnittlicher Verlust: 3,2484 Iteration: 1608; Fertigstellungsgrad: 40,2 %; Durchschnittlicher Verlust: 3,1678 Iteration: 1609; Fertigstellungsgrad: 40,2 %; Durchschnittlicher Verlust: 3,5719 Iteration: 1610; Fertigstellungsgrad: 40,2 %; Durchschnittlicher Verlust: 3,1084 Iteration: 1611; Fertigstellungsgrad: 40,3 %; Durchschnittlicher Verlust: 3,2722 Iteration: 1612; Fertigstellungsgrad: 40,3 %; Durchschnittlicher Verlust: 3,0692 Iteration: 1613; Fertigstellungsgrad: 40,3 %; Durchschnittlicher Verlust: 3,0927 Iteration: 1614; Fertigstellungsgrad: 40,4 %; Durchschnittlicher Verlust: 2,9829 Iteration: 1615; Fertigstellungsgrad: 40,4 %; Durchschnittlicher Verlust: 3,0295 Iteration: 1616; Fertigstellungsgrad: 40,4 %; Durchschnittlicher Verlust: 3,4155 Iteration: 1617; Fertigstellungsgrad: 40,4 %; Durchschnittlicher Verlust: 3,1449 Iteration: 1618; Fertigstellungsgrad: 40,5 %; Durchschnittlicher Verlust: 3,3106 Iteration: 1619; Fertigstellungsgrad: 40,5 %; Durchschnittlicher Verlust: 3,4951 Iteration: 1620; Fertigstellungsgrad: 40,5 %; Durchschnittlicher Verlust: 3,1167 Iteration: 1621; Fertigstellungsgrad: 40,5 %; Durchschnittlicher Verlust: 3,4996 Iteration: 1622; Fertigstellungsgrad: 40,6 %; Durchschnittlicher Verlust: 3,3370 Iteration: 1623; Fertigstellungsgrad: 40,6 %; Durchschnittlicher Verlust: 3,3733 Iteration: 1624; Fertigstellungsgrad: 40,6 %; Durchschnittlicher Verlust: 3,3613 Iteration: 1625; Fertigstellungsgrad: 40,6 %; Durchschnittlicher Verlust: 3,3983
Iteration: 1626; Percent complete: 40.6%; Average loss: 2.9577
Iteration: 1627; Percent complete: 40.7%; Average loss: 3.2354
Iteration: 1628; Percent complete: 40.7%; Average loss: 3.1991
Iteration: 1629; Percent complete: 40.7%; Average loss: 3.3887
Iteration: 1630; Percent complete: 40.8%; Average loss: 3.3746
Iteration: 1631; Percent complete: 40.8%; Average loss: 3.2031
Iteration: 1632; Percent complete: 40.8%; Average loss: 3.2365
Iteration: 1633; Percent complete: 40.8%; Average loss: 3.5041
Iteration: 1634; Percent complete: 40.8%; Average loss: 3.0698
Iteration: 1635; Percent complete: 40.9%; Average loss: 3.2979
Iteration: 1636; Percent complete: 40.9%; Average loss: 3.5271
Iteration: 1637; Percent complete: 40.9%; Average loss: 3.3264
Iteration: 1638; Percent complete: 40.9%; Average loss: 3.3071
Iteration: 1639; Percent complete: 41.0%; Average loss: 3.2124
Iteration: 1640; Percent complete: 41.0%; Average loss: 3.1883
Iteration: 1641; Percent complete: 41.0%; Average loss: 3.3615
Iteration: 1642; Percent complete: 41.0%; Average loss: 3.1147
Iteration: 1643; Percent complete: 41.1%; Average loss: 3.3908
Iteration: 1644; Percent complete: 41.1%; Average loss: 3.3441
Iteration: 1645; Percent complete: 41.1%; Average loss: 3.3493
Iteration: 1646; Percent complete: 41.1%; Average loss: 3.2848
Iteration: 1647; Percent complete: 41.2%; Average loss: 3.5160 Iteration: 1648; Fertigstellungsgrad: 41,2 %; Durchschnittlicher Verlust: 3,2961 Iteration: 1649; Fertigstellungsgrad: 41,2 %; Durchschnittlicher Verlust: 3,1985 Iteration: 1650; Fertigstellungsgrad: 41,2 %; Durchschnittlicher Verlust: 3,3129 Iteration: 1651; Fertigstellungsgrad: 41,3 %; Durchschnittlicher Verlust: 3,1426 Iteration: 1652; Fertigstellungsgrad: 41,3 %; Durchschnittlicher Verlust: 3,2381 Iteration: 1653; Fertigstellungsgrad: 41,3 %; Durchschnittlicher Verlust: 3,4049 Iteration: 1654; Fertigstellungsgrad: 41,3 %; Durchschnittlicher Verlust: 3,5279 Iteration: 1655; Fertigstellungsgrad: 41,4 %; Durchschnittlicher Verlust: 2,9631 Iteration: 1656; Fertigstellungsgrad: 41,4 %; Durchschnittlicher Verlust: 3,2192 Iteration: 1657; Fertigstellungsgrad: 41,4 %; Durchschnittlicher Verlust: 3,3235 Iteration: 1658; Fertigstellungsgrad: 41,4 %; Durchschnittlicher Verlust: 3,5229
Iteration: 1659; Percent complete: 41.5%; Average loss: 3.5854
Iteration: 1660; Percent complete: 41.5%; Average loss: 3.1985
Iteration: 1661; Percent complete: 41.5%; Average loss: 3.2383
Iteration: 1662; Percent complete: 41.5%; Average loss: 3.2486
Iteration: 1663; Percent complete: 41.6%; Average loss: 3.5147
Iteration: 1664; Percent complete: 41.6%; Average loss: 3.2325
Iteration: 1665; Percent complete: 41.6%; Average loss: 3.1497
Iteration: 1666; Percent complete: 41.6%; Average loss: 3.1601
Iteration: 1667; Percent complete: 41.7%; Average loss: 3.2537
Iteration: 1668; Percent complete: 41.7%; Average loss: 3.5158
Iteration: 1669; Percent complete: 41.7%; Average loss: 3.2235
Iteration: 1670; Percent complete: 41.8%; Average loss: 3.1957
Iteration: 1671; Percent complete: 41.8%; Average loss: 3.0200
Iteration: 1672; Percent complete: 41.8%; Average loss: 2.9216
Iteration: 1673; Percent complete: 41.8%; Average loss: 3.5049
Iteration: 1674; Percent complete: 41.9%; Average loss: 3.1215
Iteration: 1675; Percent complete: 41.9%; Average loss: 2.9431
Iteration: 1676; Percent complete: 41.9%; Average loss: 3.4195
Iteration: 1677; Percent complete: 41.9%; Average loss: 3.1554
Iteration: 1678; Percent complete: 41.9%; Average loss: 3.5350
Iteration: 1679; Percent complete: 42.0%; Average loss: 3.2140
Iteration: 1680; Percent complete: 42.0%; Average loss: 3.1785 Iteration: 1681; Fertigstellungsgrad: 42,0 %; Durchschnittlicher Verlust: 3,3371 Iteration: 1682; Fertigstellungsgrad: 42,0 %; Durchschnittlicher Verlust: 3,1805 Iteration: 1683; Fertigstellungsgrad: 42,1 %; Durchschnittlicher Verlust: 3,0346 Iteration: 1684; Fertigstellungsgrad: 42,1 %; Durchschnittlicher Verlust: 3,4054 Iteration: 1685; Fertigstellungsgrad: 42,1 %; Durchschnittlicher Verlust: 3,1953 Iteration: 1686; Fertigstellungsgrad: 42,1 %; Durchschnittlicher Verlust: 3,2231 Iteration: 1687; Fertigstellungsgrad: 42,2 %; Durchschnittlicher Verlust: 3,2622 Iteration: 1688; Fertigstellungsgrad: 42,2 %; Durchschnittlicher Verlust: 3,0981 Iteration: 1689; Fertigstellungsgrad: 42,2 %; Durchschnittlicher Verlust: 3,2440 Iteration: 1690; Fertigstellungsgrad: 42,2 %; Durchschnittlicher Verlust: 3,3377 Iteration: 1691; Fertigstellungsgrad: 42,3 %; Durchschnittlicher Verlust: 3,1379
Iteration: 1692; Percent complete: 42.3%; Average loss: 3.2388
Iteration: 1693; Percent complete: 42.3%; Average loss: 3.4429
Iteration: 1694; Percent complete: 42.4%; Average loss: 3.2939
Iteration: 1695; Percent complete: 42.4%; Average loss: 3.2122
Iteration: 1696; Percent complete: 42.4%; Average loss: 3.2532
Iteration: 1697; Percent complete: 42.4%; Average loss: 3.4160
Iteration: 1698; Percent complete: 42.4%; Average loss: 3.2291
Iteration: 1699; Percent complete: 42.5%; Average loss: 3.2498
Iteration: 1700; Percent complete: 42.5%; Average loss: 3.1899
Iteration: 1701; Percent complete: 42.5%; Average loss: 3.0738
Iteration: 1702; Percent complete: 42.5%; Average loss: 3.2254
Iteration: 1703; Percent complete: 42.6%; Average loss: 3.1076
Iteration: 1704; Percent complete: 42.6%; Average loss: 3.4010
Iteration: 1705; Percent complete: 42.6%; Average loss: 3.0403
Iteration: 1706; Percent complete: 42.6%; Average loss: 3.3060
Iteration: 1707; Percent complete: 42.7%; Average loss: 3.0707
Iteration: 1708; Percent complete: 42.7%; Average loss: 3.1592
Iteration: 1709; Percent complete: 42.7%; Average loss: 3.2038
Iteration: 1710; Percent complete: 42.8%; Average loss: 3.3157
Iteration: 1711; Percent complete: 42.8%; Average loss: 3.4986
Iteration: 1712; Percent complete: 42.8%; Average loss: 3.4502
Iteration: 1713; Percent complete: 42.8%; Average loss: 3.0350 Iteration: 1714; Fertigstellungsgrad: 42,9 %; Durchschnittlicher Verlust: 3,3203 Iteration: 1715; Fertigstellungsgrad: 42,9 %; Durchschnittlicher Verlust: 3,2905 Iteration: 1716; Fertigstellungsgrad: 42,9 %; Durchschnittlicher Verlust: 2,9897 Iteration: 1717; Fertigstellungsgrad: 42,9 %; Durchschnittlicher Verlust: 3,2729 Iteration: 1718; Fertigstellungsgrad: 43,0 %; Durchschnittlicher Verlust: 3,4815 Iteration: 1719; Fertigstellungsgrad: 43,0 %; Durchschnittlicher Verlust: 3,3571 Iteration: 1720; Fertigstellungsgrad: 43,0 %; Durchschnittlicher Verlust: 3,3374 Iteration: 1721; Fertigstellungsgrad: 43,0 %; Durchschnittlicher Verlust: 3,4961 Iteration: 1722; Fertigstellungsgrad: 43,0 %; Durchschnittlicher Verlust: 3,2995 Iteration: 1723; Fertigstellungsgrad: 43,1 %; Durchschnittlicher Verlust: 3,1060 Iteration: 1724; Fertigstellungsgrad: 43,1 %; Durchschnittlicher Verlust: 3,3991 Iteration: 1725; Fertigstellungsgrad: 43,1 %; Durchschnittlicher Verlust: 3,1503 Iteration: 1726; Fertigstellungsgrad: 43,1 %; Durchschnittlicher Verlust: 3,3489 Iteration: 1727; Fertigstellungsgrad: 43,2 %; Durchschnittlicher Verlust: 3,3388 Iteration: 1728; Fertigstellungsgrad: 43,2 %; Durchschnittlicher Verlust: 3,2115 Iteration: 1729; Fertigstellungsgrad: 43,2 %; Durchschnittlicher Verlust: 3,4049 Iteration: 1730; Fertigstellungsgrad: 43,2 %; Durchschnittlicher Verlust: 3,2399 Iteration: 1731; Fertigstellungsgrad: 43,3 %; Durchschnittlicher Verlust: 3,0977 Iteration: 1732; Fertigstellungsgrad: 43,3 %; Durchschnittlicher Verlust: 3,2467 Iteration: 1733; Fertigstellungsgrad: 43,3 %; Durchschnittlicher Verlust: 3,2098 Iteration: 1734; Fertigstellungsgrad: 43,4 %; Durchschnittlicher Verlust: 3,3369 Iteration: 1735; Fertigstellungsgrad: 43,4 %; Durchschnittlicher Verlust: 2,9055
Iteration: 1736; Percent complete: 43.4%; Average loss: 3.2726
Iteration: 1737; Percent complete: 43.4%; Average loss: 3.2394
Iteration: 1738; Percent complete: 43.5%; Average loss: 2.9380
Iteration: 1739; Percent complete: 43.5%; Average loss: 3.3546
Iteration: 1740; Percent complete: 43.5%; Average loss: 3.3323
Iteration: 1741; Percent complete: 43.5%; Average loss: 3.1366
Iteration: 1742; Percent complete: 43.5%; Average loss: 3.2181
Iteration: 1743; Percent complete: 43.6%; Average loss: 3.0103
Iteration: 1744; Percent complete: 43.6%; Average loss: 3.3237
Iteration: 1745; Percent complete: 43.6%; Average loss: 3.5595
Iteration: 1746; Percent complete: 43.6%; Average loss: 3.1023
Iteration: 1747; Percent complete: 43.7%; Average loss: 3.1910
Iteration: 1748; Percent complete: 43.7%; Average loss: 3.2450
Iteration: 1749; Percent complete: 43.7%; Average loss: 3.2594
Iteration: 1750; Percent complete: 43.8%; Average loss: 3.2938
Iteration: 1751; Percent complete: 43.8%; Average loss: 3.1576
Iteration: 1752; Percent complete: 43.8%; Average loss: 3.2294
Iteration: 1753; Percent complete: 43.8%; Average loss: 3.2154
Iteration: 1754; Percent complete: 43.9%; Average loss: 3.0925
Iteration: 1755; Percent complete: 43.9%; Average loss: 3.1230
Iteration: 1756; Percent complete: 43.9%; Average loss: 3.2219
Iteration: 1757; Percent complete: 43.9%; Average loss: 3.2071 Iteration: 1758; Fertigstellungsgrad: 44,0 %; Durchschnittlicher Verlust: 3,1188 Iteration: 1759; Fertigstellungsgrad: 44,0 %; Durchschnittlicher Verlust: 3,2561 Iteration: 1760; Fertigstellungsgrad: 44,0 %; Durchschnittlicher Verlust: 3,2636 Iteration: 1761; Fertigstellungsgrad: 44,0 %; Durchschnittlicher Verlust: 3,1059 Iteration: 1762; Fertigstellungsgrad: 44,0 %; Durchschnittlicher Verlust: 3,1218 Iteration: 1763; Fertigstellungsgrad: 44,1 %; Durchschnittlicher Verlust: 3,3748 Iteration: 1764; Fertigstellungsgrad: 44,1 %; Durchschnittlicher Verlust: 3,0305 Iteration: 1765; Fertigstellungsgrad: 44,1 %; Durchschnittlicher Verlust: 3,2057 Iteration: 1766; Fertigstellungsgrad: 44,1 %; Durchschnittlicher Verlust: 3,1950 Iteration: 1767; Fertigstellungsgrad: 44,2 %; Durchschnittlicher Verlust: 3,1452 Iteration: 1768; Fertigstellungsgrad: 44,2 %; Durchschnittlicher Verlust: 3,3857
Iteration: 1769; Percent complete: 44.2%; Average loss: 3.4636
Iteration: 1770; Percent complete: 44.2%; Average loss: 2.9290
Iteration: 1771; Percent complete: 44.3%; Average loss: 3.1982
Iteration: 1772; Percent complete: 44.3%; Average loss: 3.3795
Iteration: 1773; Percent complete: 44.3%; Average loss: 2.9717
Iteration: 1774; Percent complete: 44.4%; Average loss: 3.0632
Iteration: 1775; Percent complete: 44.4%; Average loss: 3.0667
Iteration: 1776; Percent complete: 44.4%; Average loss: 3.2949
Iteration: 1777; Percent complete: 44.4%; Average loss: 3.1454
Iteration: 1778; Percent complete: 44.5%; Average loss: 3.3341
Iteration: 1779; Percent complete: 44.5%; Average loss: 3.2754 Iteration: 1780; Fertigstellungsgrad: 44,5 %; Durchschnittlicher Verlust: 3,2357 Iteration: 1781; Fertigstellungsgrad: 44,5 %; Durchschnittlicher Verlust: 3,1785 Iteration: 1782; Fertigstellungsgrad: 44,5 %; Durchschnittlicher Verlust: 3,0183 Iteration: 1783; Fertigstellungsgrad: 44,6 %; Durchschnittlicher Verlust: 3,0679 Iteration: 1784; Fertigstellungsgrad: 44,6 %; Durchschnittlicher Verlust: 3,2736 Iteration: 1785; Fertigstellungsgrad: 44,6 %; Durchschnittlicher Verlust: 3,2168 Iteration: 1786; Fertigstellungsgrad: 44,6 %; Durchschnittlicher Verlust: 3,0485 Iteration: 1787; Prozentsatz abgeschlossen: 44,7 %; Durchschnittlicher Verlust: 3,2214 Iteration: 1788; Prozentsatz abgeschlossen: 44,7 %; Durchschnittlicher Verlust: 3,4904 Iteration: 1789; Prozentsatz abgeschlossen: 44,7 %; Durchschnittlicher Verlust: 3,0856 Iteration: 1790; Fertigstellungsgrad: 44,8 %; Durchschnittlicher Verlust: 3,2643
Iteration: 1791; Percent complete: 44.8%; Average loss: 3.3901
Iteration: 1792; Percent complete: 44.8%; Average loss: 3.2404
Iteration: 1793; Percent complete: 44.8%; Average loss: 3.2423
Iteration: 1794; Percent complete: 44.9%; Average loss: 3.2675
Iteration: 1795; Percent complete: 44.9%; Average loss: 3.0530
Iteration: 1796; Percent complete: 44.9%; Average loss: 3.2306
Iteration: 1797; Percent complete: 44.9%; Average loss: 3.1857
Iteration: 1798; Percent complete: 45.0%; Average loss: 3.0405
Iteration: 1799; Percent complete: 45.0%; Average loss: 2.8466
Iteration: 1800; Percent complete: 45.0%; Average loss: 3.3357
Iteration: 1801; Percent complete: 45.0%; Average loss: 3.2088 Iteration: 1802; Fertigstellungsgrad: 45,1 %; Durchschnittlicher Verlust: 3,2076 Iteration: 1803; Fertigstellungsgrad: 45,1 %; Durchschnittlicher Verlust: 3,0990 Iteration: 1804; Fertigstellungsgrad: 45,1 %; Durchschnittlicher Verlust: 3,3286 Iteration: 1805; Fertigstellungsgrad: 45,1 %; Durchschnittlicher Verlust: 3,3242 Iteration: 1806; Fertigstellungsgrad: 45,1 %; Durchschnittlicher Verlust: 3,1032 Iteration: 1807; Fertigstellungsgrad: 45,2 %; Durchschnittlicher Verlust: 3,6023 Iteration: 1808; Fertigstellungsgrad: 45,2 %; Durchschnittlicher Verlust: 2,9637 Iteration: 1809; Fertigstellungsgrad: 45,2 %; Durchschnittlicher Verlust: 3,2192 Iteration: 1810; Fertigstellungsgrad: 45,2 %; Durchschnittlicher Verlust: 3,1872 Iteration: 1811; Fertigstellungsgrad: 45,3 %; Durchschnittlicher Verlust: 3,0540 Iteration: 1812; Fertigstellungsgrad: 45,3 %; Durchschnittlicher Verlust: 2,9579
Iteration: 1813; Percent complete: 45.3%; Average loss: 3.0189
Iteration: 1814; Percent complete: 45.4%; Average loss: 3.2733
Iteration: 1815; Percent complete: 45.4%; Average loss: 3.4648
Iteration: 1816; Percent complete: 45.4%; Average loss: 3.0278
Iteration: 1817; Percent complete: 45.4%; Average loss: 3.1361
Iteration: 1818; Percent complete: 45.5%; Average loss: 3.1139
Iteration: 1819; Percent complete: 45.5%; Average loss: 3.0613
Iteration: 1820; Percent complete: 45.5%; Average loss: 3.3479
Iteration: 1821; Percent complete: 45.5%; Average loss: 3.1969
Iteration: 1822; Percent complete: 45.6%; Average loss: 3.1262
Iteration: 1823; Percent complete: 45.6%; Average loss: 2.9444 Iteration: 1824; Fertigstellungsgrad: 45,6 %; Durchschnittlicher Verlust: 3,3982 Iteration: 1825; Fertigstellungsgrad: 45,6 %; Durchschnittlicher Verlust: 3,1803 Iteration: 1826; Fertigstellungsgrad: 45,6 %; Durchschnittlicher Verlust: 3,0371 Iteration: 1827; Prozentsatz abgeschlossen: 45,7 %; Durchschnittlicher Verlust: 3,3056 Iteration: 1828; Prozentsatz abgeschlossen: 45,7 %; Durchschnittlicher Verlust: 3,2214 Iteration: 1829; Prozentsatz abgeschlossen: 45,7 %; Durchschnittlicher Verlust: 2,9139 Iteration: 1830; Fertigstellungsgrad: 45,8 %; Durchschnittlicher Verlust: 3,2797 Iteration: 1831; Fertigstellungsgrad: 45,8 %; Durchschnittlicher Verlust: 3,1116 Iteration: 1832; Fertigstellungsgrad: 45,8 %; Durchschnittlicher Verlust: 3,3238 Iteration: 1833; Fertigstellungsgrad: 45,8 %; Durchschnittlicher Verlust: 2,9779 Iteration: 1834; Fertigstellungsgrad: 45,9 %; Durchschnittlicher Verlust: 3,2327 Iteration: 1835; Fertigstellungsgrad: 45,9 %; Durchschnittlicher Verlust: 3,2836 Iteration: 1836; Fertigstellungsgrad: 45,9 %; Durchschnittlicher Verlust: 3,1328 Iteration: 1837; Fertigstellungsgrad: 45,9 %; Durchschnittlicher Verlust: 3,1456 Iteration: 1838; Fertigstellungsgrad: 46,0 %; Durchschnittlicher Verlust: 3,3611 Iteration: 1839; Fertigstellungsgrad: 46,0 %; Durchschnittlicher Verlust: 3,2231 Iteration: 1840; Fertigstellungsgrad: 46,0 %; Durchschnittlicher Verlust: 3,5079 Iteration: 1841; Fertigstellungsgrad: 46,0 %; Durchschnittlicher Verlust: 3,3690 Iteration: 1842; Fertigstellungsgrad: 46,1 %; Durchschnittlicher Verlust: 3,4282 Iteration: 1843; Fertigstellungsgrad: 46,1 %; Durchschnittlicher Verlust: 3,3327 Iteration: 1844; Fertigstellungsgrad: 46,1 %; Durchschnittlicher Verlust: 3,3303 Iteration: 1845; Fertigstellungsgrad: 46,1 %; Durchschnittlicher Verlust: 3,1288 Iteration: 1846; Fertigstellungsgrad: 46,2 %; Durchschnittlicher Verlust: 2,9459 Iteration: 1847; Fertigstellungsgrad: 46,2 %; Durchschnittlicher Verlust: 3,2612 Iteration: 1848; Fertigstellungsgrad: 46,2 %; Durchschnittlicher Verlust: 2,9897 Iteration: 1849; Fertigstellungsgrad: 46,2 %; Durchschnittlicher Verlust: 3,0847 Iteration: 1850; Fertigstellungsgrad: 46,2 %; Durchschnittlicher Verlust: 3,2543 Iteration: 1851; Fertigstellungsgrad: 46,3 %; Durchschnittlicher Verlust: 3,3284 Iteration: 1852; Fertigstellungsgrad: 46,3 %; Durchschnittlicher Verlust: 3,1476 Iteration: 1853; Fertigstellungsgrad: 46,3 %; Durchschnittlicher Verlust: 3,0918 Iteration: 1854; Fertigstellungsgrad: 46,4 %; Durchschnittlicher Verlust: 3,0953 Iteration: 1855; Fertigstellungsgrad: 46,4 %; Durchschnittlicher Verlust: 3,4184 Iteration: 1856; Fertigstellungsgrad: 46,4 %; Durchschnittlicher Verlust: 3,1987
Iteration: 1857; Percent complete: 46.4%; Average loss: 3.2077
Iteration: 1858; Percent complete: 46.5%; Average loss: 3.2104
Iteration: 1859; Percent complete: 46.5%; Average loss: 3.3018
Iteration: 1860; Percent complete: 46.5%; Average loss: 3.2334
Iteration: 1861; Percent complete: 46.5%; Average loss: 3.0063
Iteration: 1862; Percent complete: 46.6%; Average loss: 3.1470
Iteration: 1863; Percent complete: 46.6%; Average loss: 3.1010
Iteration: 1864; Percent complete: 46.6%; Average loss: 3.3399
Iteration: 1865; Percent complete: 46.6%; Average loss: 3.0798
Iteration: 1866; Percent complete: 46.7%; Average loss: 3.2170
Iteration: 1867; Percent complete: 46.7%; Average loss: 3.0612 Iteration: 1868; Fertigstellungsgrad: 46,7 %; Durchschnittlicher Verlust: 3,1479 Iteration: 1869; Fertigstellungsgrad: 46,7 %; Durchschnittlicher Verlust: 3,3403 Iteration: 1870; Fertigstellungsgrad: 46,8 %; Durchschnittlicher Verlust: 3,1551 Iteration: 1871; Fertigstellungsgrad: 46,8 %; Durchschnittlicher Verlust: 3,1093 Iteration: 1872; Fertigstellungsgrad: 46,8 %; Durchschnittlicher Verlust: 3,4572 Iteration: 1873; Fertigstellungsgrad: 46,8 %; Durchschnittlicher Verlust: 3,2220 Iteration: 1874; Fertigstellungsgrad: 46,9 %; Durchschnittlicher Verlust: 3,1767 Iteration: 1875; Fertigstellungsgrad: 46,9 %; Durchschnittlicher Verlust: 3,0934 Iteration: 1876; Fertigstellungsgrad: 46,9 %; Durchschnittlicher Verlust: 3,0525 Iteration: 1877; Fertigstellungsgrad: 46,9 %; Durchschnittlicher Verlust: 3,1703 Iteration: 1878; Fertigstellungsgrad: 46,9 %; Durchschnittlicher Verlust: 3,3739 Iteration: 1879; Fertigstellungsgrad: 47,0 %; Durchschnittlicher Verlust: 3,1407 Iteration: 1880; Fertigstellungsgrad: 47,0 %; Durchschnittlicher Verlust: 3,1277 Iteration: 1881; Fertigstellungsgrad: 47,0 %; Durchschnittlicher Verlust: 3,1388 Iteration: 1882; Fertigstellungsgrad: 47,0 %; Durchschnittlicher Verlust: 3,3663 Iteration: 1883; Fertigstellungsgrad: 47,1 %; Durchschnittlicher Verlust: 2,9790 Iteration: 1884; Fertigstellungsgrad: 47,1 %; Durchschnittlicher Verlust: 3,0398 Iteration: 1885; Fertigstellungsgrad: 47,1 %; Durchschnittlicher Verlust: 3,1797 Iteration: 1886; Fertigstellungsgrad: 47,1 %; Durchschnittlicher Verlust: 3,1260 Iteration: 1887; Fertigstellungsgrad: 47,2 %; Durchschnittlicher Verlust: 2,9043 Iteration: 1888; Fertigstellungsgrad: 47,2 %; Durchschnittlicher Verlust: 3,2288 Iteration: 1889; Fertigstellungsgrad: 47,2 %; Durchschnittlicher Verlust: 3,3846
Iteration: 1890; Percent complete: 47.2%; Average loss: 3.4445
Iteration: 1891; Percent complete: 47.3%; Average loss: 3.1920
Iteration: 1892; Percent complete: 47.3%; Average loss: 3.0827
Iteration: 1893; Percent complete: 47.3%; Average loss: 3.3378
Iteration: 1894; Percent complete: 47.3%; Average loss: 3.3243
Iteration: 1895; Percent complete: 47.4%; Average loss: 3.1799
Iteration: 1896; Percent complete: 47.4%; Average loss: 3.2246
Iteration: 1897; Percent complete: 47.4%; Average loss: 3.3089
Iteration: 1898; Percent complete: 47.4%; Average loss: 3.2095
Iteration: 1899; Percent complete: 47.5%; Average loss: 3.2982
Iteration: 1900; Percent complete: 47.5%; Average loss: 3.1905 Iteration: 1901; Fertigstellungsgrad: 47,5 %; Durchschnittlicher Verlust: 3,3258 Iteration: 1902; Fertigstellungsgrad: 47,5 %; Durchschnittlicher Verlust: 3,0206 Iteration: 1903; Fertigstellungsgrad: 47,6 %; Durchschnittlicher Verlust: 3,2043 Iteration: 1904; Fertigstellungsgrad: 47,6 %; Durchschnittlicher Verlust: 3,0434 Iteration: 1905; Fertigstellungsgrad: 47,6 %; Durchschnittlicher Verlust: 3,0641 Iteration: 1906; Fertigstellungsgrad: 47,6 %; Durchschnittlicher Verlust: 3,1440 Iteration: 1907; Fertigstellungsgrad: 47,7 %; Durchschnittlicher Verlust: 3,3448 Iteration: 1908; Fertigstellungsgrad: 47,7 %; Durchschnittlicher Verlust: 3,3288 Iteration: 1909; Fertigstellungsgrad: 47,7 %; Durchschnittlicher Verlust: 3,0154 Iteration: 1910; Fertigstellungsgrad: 47,8 %; Durchschnittlicher Verlust: 3,0019 Iteration: 1911; Fertigstellungsgrad: 47,8 %; Durchschnittlicher Verlust: 3,3511 Iteration: 1912; Fertigstellungsgrad: 47,8 %; Durchschnittlicher Verlust: 3,1009 Iteration: 1913; Fertigstellungsgrad: 47,8 %; Durchschnittlicher Verlust: 3,2037 Iteration: 1914; Fertigstellungsgrad: 47,9 %; Durchschnittlicher Verlust: 3.2009 Iteration: 1915; Fertigstellungsgrad: 47,9 %; Durchschnittlicher Verlust: 2,9993 Iteration: 1916; Fertigstellungsgrad: 47,9 %; Durchschnittlicher Verlust: 3,0834 Iteration: 1917; Fertigstellungsgrad: 47,9 %; Durchschnittlicher Verlust: 2,9184 Iteration: 1918; Fertigstellungsgrad: 47,9 %; Durchschnittlicher Verlust: 3.2017 Iteration: 1919; Fertigstellungsgrad: 48,0 %; Durchschnittlicher Verlust: 3,1598 Iteration: 1920; Fertigstellungsgrad: 48,0 %; Durchschnittlicher Verlust: 3,1256 Iteration: 1921; Fertigstellungsgrad: 48,0 %; Durchschnittlicher Verlust: 3,0708 Iteration: 1922; Fertigstellungsgrad: 48,0 %; Durchschnittlicher Verlust: 3,2170
Iteration: 1923; Percent complete: 48.1%; Average loss: 3.2664
Iteration: 1924; Percent complete: 48.1%; Average loss: 3.1711
Iteration: 1925; Percent complete: 48.1%; Average loss: 3.1226
Iteration: 1926; Percent complete: 48.1%; Average loss: 3.1643
Iteration: 1927; Percent complete: 48.2%; Average loss: 3.0150
Iteration: 1928; Percent complete: 48.2%; Average loss: 3.1769
Iteration: 1929; Percent complete: 48.2%; Average loss: 3.1137
Iteration: 1930; Percent complete: 48.2%; Average loss: 2.8844
Iteration: 1931; Percent complete: 48.3%; Average loss: 3.2283
Iteration: 1932; Percent complete: 48.3%; Average loss: 2.9927
Iteration: 1933; Percent complete: 48.3%; Average loss: 3.3062
Iteration: 1934; Percent complete: 48.4%; Average loss: 3.0942
Iteration: 1935; Percent complete: 48.4%; Average loss: 3.3052
Iteration: 1936; Percent complete: 48.4%; Average loss: 3.1380
Iteration: 1937; Percent complete: 48.4%; Average loss: 3.0327
Iteration: 1938; Percent complete: 48.4%; Average loss: 3.2574
Iteration: 1939; Percent complete: 48.5%; Average loss: 3.0698
Iteration: 1940; Percent complete: 48.5%; Average loss: 3.2093
Iteration: 1941; Percent complete: 48.5%; Average loss: 3.0536
Iteration: 1942; Percent complete: 48.5%; Average loss: 3.2469
Iteration: 1943; Percent complete: 48.6%; Average loss: 3.1186
Iteration: 1944; Percent complete: 48.6%; Average loss: 2.9768
Iteration: 1945; Percent complete: 48.6%; Average loss: 3.1151
Iteration: 1946; Percent complete: 48.6%; Average loss: 3.3031
Iteration: 1947; Percent complete: 48.7%; Average loss: 3.2338
Iteration: 1948; Percent complete: 48.7%; Average loss: 3.1790
Iteration: 1949; Percent complete: 48.7%; Average loss: 3.3372
Iteration: 1950; Percent complete: 48.8%; Average loss: 3.2362
Iteration: 1951; Percent complete: 48.8%; Average loss: 3.0298
Iteration: 1952; Percent complete: 48.8%; Average loss: 3.2604
Iteration: 1953; Percent complete: 48.8%; Average loss: 3.1262
Iteration: 1954; Percent complete: 48.9%; Average loss: 3.0725
Iteration: 1955; Percent complete: 48.9%; Average loss: 2.9257
Iteration: 1956; Percent complete: 48.9%; Average loss: 3.1411
Iteration: 1957; Percent complete: 48.9%; Average loss: 2.9018
Iteration: 1958; Percent complete: 48.9%; Average loss: 3.3835
Iteration: 1959; Percent complete: 49.0%; Average loss: 3.2643
Iteration: 1960; Percent complete: 49.0%; Average loss: 3.4035
Iteration: 1961; Percent complete: 49.0%; Average loss: 2.9070
Iteration: 1962; Percent complete: 49.0%; Average loss: 3.1497
Iteration: 1963; Percent complete: 49.1%; Average loss: 3.3099
Iteration: 1964; Percent complete: 49.1%; Average loss: 2.9930
Iteration: 1965; Percent complete: 49.1%; Average loss: 3.0465
Iteration: 1966; Percent complete: 49.1%; Average loss: 2.9187
Iteration: 1967; Percent complete: 49.2%; Average loss: 3.2372
Iteration: 1968; Percent complete: 49.2%; Average loss: 2.6721
Iteration: 1969; Percent complete: 49.2%; Average loss: 2.8061
Iteration: 1970; Percent complete: 49.2%; Average loss: 3.1426
Iteration: 1971; Percent complete: 49.3%; Average loss: 3.2118
Iteration: 1972; Percent complete: 49.3%; Average loss: 2.8236
Iteration: 1973; Percent complete: 49.3%; Average loss: 2.9591
Iteration: 1974; Percent complete: 49.4%; Average loss: 3.3194
Iteration: 1975; Percent complete: 49.4%; Average loss: 2.8094
Iteration: 1976; Percent complete: 49.4%; Average loss: 3.3163
Iteration: 1977; Percent complete: 49.4%; Average loss: 2.9812
Iteration: 1978; Percent complete: 49.5%; Average loss: 2.9714
Iteration: 1979; Percent complete: 49.5%; Average loss: 3.1695
Iteration: 1980; Percent complete: 49.5%; Average loss: 3.1524
Iteration: 1981; Percent complete: 49.5%; Average loss: 3.3003
Iteration: 1982; Percent complete: 49.5%; Average loss: 3.2046
Iteration: 1983; Percent complete: 49.6%; Average loss: 3.3633
Iteration: 1984; Percent complete: 49.6%; Average loss: 3.0855
Iteration: 1985; Percent complete: 49.6%; Average loss: 3.2255
Iteration: 1986; Percent complete: 49.6%; Average loss: 3.3823
Iteration: 1987; Percent complete: 49.7%; Average loss: 3.0410
Iteration: 1988; Percent complete: 49.7%; Average loss: 3.3700 Iteration: 1989; Fertigstellungsgrad: 49,7 %; Durchschnittlicher Verlust: 3,1323 Iteration: 1990; Fertigstellungsgrad: 49,8 %; Durchschnittlicher Verlust: 3,1176 Iteration: 1991; Fertigstellungsgrad: 49,8 %; Durchschnittlicher Verlust: 3,2359 Iteration: 1992; Fertigstellungsgrad: 49,8 %; Durchschnittlicher Verlust: 3,0791 Iteration: 1993; Fertigstellungsgrad: 49,8 %; Durchschnittlicher Verlust: 3,3222 Iteration: 1994; Fertigstellungsgrad: 49,9 %; Durchschnittlicher Verlust: 3,2944 Iteration: 1995; Fertigstellungsgrad: 49,9 %; Durchschnittlicher Verlust: 3,1204 Iteration: 1996; Fertigstellungsgrad: 49,9 %; Durchschnittlicher Verlust: 2,9556 Iteration: 1997; Fertigstellungsgrad: 49,9 %; Durchschnittlicher Verlust: 3,2455 Iteration: 1998; Fertigstellungsgrad: 50,0 %; Durchschnittlicher Verlust: 2,9874 Iteration: 1999; Fertigstellungsgrad: 50,0 %; Durchschnittlicher Verlust: 2,9447 Iteration: 2000; Fertigstellungsgrad: 50,0 %; Durchschnittlicher Verlust: 3,1913 Iteration: 2001; Fertigstellungsgrad: 50,0 %; Durchschnittlicher Verlust: 3,1197 Iteration: 2002; Fertigstellungsgrad: 50,0 %; Durchschnittlicher Verlust: 3,2235 Iteration: 2003; Fertigstellungsgrad: 50,1 %; Durchschnittlicher Verlust: 3,0875 Iteration: 2004; Fertigstellungsgrad: 50,1 %; Durchschnittlicher Verlust: 3,1316 Iteration: 2005; Fertigstellungsgrad: 50,1 %; Durchschnittlicher Verlust: 2,8627 Iteration: 2006; Fertigstellungsgrad: 50,1 %; Durchschnittlicher Verlust: 2,9953 Iteration: 2007; Fertigstellungsgrad: 50,2 %; Durchschnittlicher Verlust: 3,1586 Iteration: 2008; Fertigstellungsgrad: 50,2 %; Durchschnittlicher Verlust: 3,2558 Iteration: 2009; Fertigstellungsgrad: 50,2 %; Durchschnittlicher Verlust: 3,0883 Iteration: 2010; Fertigstellungsgrad: 50,2 %; Durchschnittlicher Verlust: 2,8711
Iteration: 2011; Percent complete: 50.3%; Average loss: 2.9704
Iteration: 2012; Percent complete: 50.3%; Average loss: 3.2994
Iteration: 2013; Percent complete: 50.3%; Average loss: 3.0036
Iteration: 2014; Percent complete: 50.3%; Average loss: 3.1355
Iteration: 2015; Percent complete: 50.4%; Average loss: 3.0174
Iteration: 2016; Percent complete: 50.4%; Average loss: 3.2147
Iteration: 2017; Percent complete: 50.4%; Average loss: 3.2793
Iteration: 2018; Percent complete: 50.4%; Average loss: 3.0795
Iteration: 2019; Percent complete: 50.5%; Average loss: 3.2669
Iteration: 2020; Percent complete: 50.5%; Average loss: 3.0951
Iteration: 2021; Percent complete: 50.5%; Average loss: 3.1640
Iteration: 2022; Percent complete: 50.5%; Average loss: 3.1359
Iteration: 2023; Percent complete: 50.6%; Average loss: 3.0758
Iteration: 2024; Percent complete: 50.6%; Average loss: 3.2728
Iteration: 2025; Percent complete: 50.6%; Average loss: 2.9493
Iteration: 2026; Percent complete: 50.6%; Average loss: 3.2741
Iteration: 2027; Percent complete: 50.7%; Average loss: 2.9232
Iteration: 2028; Percent complete: 50.7%; Average loss: 3.2270
Iteration: 2029; Percent complete: 50.7%; Average loss: 3.3822
Iteration: 2030; Percent complete: 50.7%; Average loss: 3.5319
Iteration: 2031; Percent complete: 50.8%; Average loss: 3.0255
Iteration: 2032; Percent complete: 50.8%; Average loss: 3.4231
Iteration: 2033; Percent complete: 50.8%; Average loss: 3.1885
Iteration: 2034; Percent complete: 50.8%; Average loss: 2.9595
Iteration: 2035; Percent complete: 50.9%; Average loss: 3.2476
Iteration: 2036; Percent complete: 50.9%; Average loss: 3.3287
Iteration: 2037; Percent complete: 50.9%; Average loss: 3.1836
Iteration: 2038; Percent complete: 50.9%; Average loss: 3.7879
Iteration: 2039; Percent complete: 51.0%; Average loss: 3.1286
Iteration: 2040; Percent complete: 51.0%; Average loss: 3.2141
Iteration: 2041; Percent complete: 51.0%; Average loss: 2.9714
Iteration: 2042; Percent complete: 51.0%; Average loss: 3.2823
Iteration: 2043; Percent complete: 51.1%; Average loss: 3.3096 Iteration: 2044; Fertigstellungsgrad: 51,1 %; Durchschnittlicher Verlust: 3,1415 Iteration: 2045; Fertigstellungsgrad: 51,1 %; Durchschnittlicher Verlust: 3,1211 Iteration: 2046; Fertigstellungsgrad: 51,1 %; Durchschnittlicher Verlust: 3,3252 Iteration: 2047; Prozentsatz abgeschlossen: 51,2 %; Durchschnittlicher Verlust: 3,1504 Iteration: 2048; Prozentsatz abgeschlossen: 51,2 %; Durchschnittlicher Verlust: 3,0149 Iteration: 2049; Prozentsatz abgeschlossen: 51,2 %; Durchschnittlicher Verlust: 3,1656 Iteration: 2050; Prozentsatz abgeschlossen: 51,2 %; Durchschnittlicher Verlust: 3,6852 Iteration: 2051; Prozentsatz abgeschlossen: 51,3 %; Durchschnittlicher Verlust: 3,1873 Iteration: 2052; Prozentsatz abgeschlossen: 51,3 %; Durchschnittlicher Verlust: 2,8356 Iteration: 2053; Prozentsatz abgeschlossen: 51,3 %; Durchschnittlicher Verlust: 3,1772 Iteration: 2054; Prozentsatz abgeschlossen: 51,3 %; Durchschnittlicher Verlust: 3,2623
Iteration: 2055; Percent complete: 51.4%; Average loss: 3.1892
Iteration: 2056; Percent complete: 51.4%; Average loss: 3.2838
Iteration: 2057; Percent complete: 51.4%; Average loss: 2.8205
Iteration: 2058; Percent complete: 51.4%; Average loss: 3.0023
Iteration: 2059; Percent complete: 51.5%; Average loss: 3.2671
Iteration: 2060; Percent complete: 51.5%; Average loss: 3.1093
Iteration: 2061; Percent complete: 51.5%; Average loss: 3.1558
Iteration: 2062; Percent complete: 51.5%; Average loss: 3.0153
Iteration: 2063; Percent complete: 51.6%; Average loss: 3.2670
Iteration: 2064; Percent complete: 51.6%; Average loss: 3.0485
Iteration: 2065; Percent complete: 51.6%; Average loss: 3.0730 Iteration: 2066; Fertigstellungsgrad: 51,6 %; Durchschnittlicher Verlust: 3,1033 Iteration: 2067; Prozentsatz abgeschlossen: 51,7 %; Durchschnittlicher Verlust: 3,2239 Iteration: 2068; Prozentsatz abgeschlossen: 51,7 %; Durchschnittlicher Verlust: 3,4485 Iteration: 2069; Prozentsatz abgeschlossen: 51,7 %; Durchschnittlicher Verlust: 3,0178 Iteration: 2070; Prozentsatz abgeschlossen: 51,7 %; Durchschnittlicher Verlust: 3,0401 Iteration: 2071; Prozentsatz abgeschlossen: 51,8 %; Durchschnittlicher Verlust: 3,0763 Iteration: 2072; Prozentsatz abgeschlossen: 51,8 %; Durchschnittlicher Verlust: 3,2098 Iteration: 2073; Prozentsatz abgeschlossen: 51,8 %; Durchschnittlicher Verlust: 3,0434 Iteration: 2074; Prozentsatz abgeschlossen: 51,8 %; Durchschnittlicher Verlust: 3,3423 Iteration: 2075; Prozentsatz abgeschlossen: 51,9 %; Durchschnittlicher Verlust: 3,4111 Iteration: 2076; Prozentsatz abgeschlossen: 51,9 %; Durchschnittlicher Verlust: 3,1914
Iteration: 2077; Percent complete: 51.9%; Average loss: 3.1254
Iteration: 2078; Percent complete: 51.9%; Average loss: 3.2225
Iteration: 2079; Percent complete: 52.0%; Average loss: 3.0064
Iteration: 2080; Percent complete: 52.0%; Average loss: 3.4989
Iteration: 2081; Percent complete: 52.0%; Average loss: 3.2836
Iteration: 2082; Percent complete: 52.0%; Average loss: 3.0343
Iteration: 2083; Percent complete: 52.1%; Average loss: 3.1080
Iteration: 2084; Percent complete: 52.1%; Average loss: 3.0967
Iteration: 2085; Percent complete: 52.1%; Average loss: 3.1937
Iteration: 2086; Percent complete: 52.1%; Average loss: 3.0576
Iteration: 2087; Percent complete: 52.2%; Average loss: 3.1921
Iteration: 2088; Percent complete: 52.2%; Average loss: 3.0176
Iteration: 2089; Percent complete: 52.2%; Average loss: 3.0040
Iteration: 2090; Percent complete: 52.2%; Average loss: 3.0399
Iteration: 2091; Percent complete: 52.3%; Average loss: 3.1300
Iteration: 2092; Percent complete: 52.3%; Average loss: 3.3584
Iteration: 2093; Percent complete: 52.3%; Average loss: 3.0511
Iteration: 2094; Percent complete: 52.3%; Average loss: 3.0364
Iteration: 2095; Percent complete: 52.4%; Average loss: 3.1076
Iteration: 2096; Percent complete: 52.4%; Average loss: 3.2046
Iteration: 2097; Percent complete: 52.4%; Average loss: 3.0780
Iteration: 2098; Percent complete: 52.4%; Average loss: 3.1273
Iteration: 2099; Percent complete: 52.5%; Average loss: 3.2299
Iteration: 2100; Percent complete: 52.5%; Average loss: 3.1248
Iteration: 2101; Percent complete: 52.5%; Average loss: 3.1288
Iteration: 2102; Percent complete: 52.5%; Average loss: 3.3916
Iteration: 2103; Percent complete: 52.6%; Average loss: 3.1079
Iteration: 2104; Percent complete: 52.6%; Average loss: 3.0958
Iteration: 2105; Percent complete: 52.6%; Average loss: 3.1407
Iteration: 2106; Percent complete: 52.6%; Average loss: 2.9247
Iteration: 2107; Percent complete: 52.7%; Average loss: 3.1562
Iteration: 2108; Percent complete: 52.7%; Average loss: 3.1241
Iteration: 2109; Percent complete: 52.7%; Average loss: 3.2056 Iteration: 2110; Fertigstellungsgrad: 52,8 %; Durchschnittlicher Verlust: 3,1744 Iteration: 2111; Fertigstellungsgrad: 52,8 %; Durchschnittlicher Verlust: 3,0260 Iteration: 2112; Fertigstellungsgrad: 52,8 %; Durchschnittlicher Verlust: 3,1090 Iteration: 2113; Fertigstellungsgrad: 52,8 %; Durchschnittlicher Verlust: 2,7897 Iteration: 2114; Fertigstellungsgrad: 52,8 %; Durchschnittlicher Verlust: 3,1030 Iteration: 2115; Fertigstellungsgrad: 52,9 %; Durchschnittlicher Verlust: 3,3524 Iteration: 2116; Fertigstellungsgrad: 52,9 %; Durchschnittlicher Verlust: 2,9973 Iteration: 2117; Fertigstellungsgrad: 52,9 %; Durchschnittlicher Verlust: 3,0776 Iteration: 2118; Fertigstellungsgrad: 52,9 %; Durchschnittlicher Verlust: 3,0282 Iteration: 2119; Fertigstellungsgrad: 53,0 %; Durchschnittlicher Verlust: 3,3184 Iteration: 2120; Fertigstellungsgrad: 53,0 %; Durchschnittlicher Verlust: 2,9256
Iteration: 2121; Percent complete: 53.0%; Average loss: 3.0975
Iteration: 2122; Percent complete: 53.0%; Average loss: 3.0405
Iteration: 2123; Percent complete: 53.1%; Average loss: 3.1692
Iteration: 2124; Percent complete: 53.1%; Average loss: 3.0204
Iteration: 2125; Percent complete: 53.1%; Average loss: 3.1578
Iteration: 2126; Percent complete: 53.1%; Average loss: 3.1415
Iteration: 2127; Percent complete: 53.2%; Average loss: 3.0937
Iteration: 2128; Percent complete: 53.2%; Average loss: 2.9920
Iteration: 2129; Percent complete: 53.2%; Average loss: 3.0628
Iteration: 2130; Percent complete: 53.2%; Average loss: 3.1844
Iteration: 2131; Percent complete: 53.3%; Average loss: 3.1292 Iteration: 2132; Fertigstellungsgrad: 53,3 %; Durchschnittlicher Verlust: 3,1093 Iteration: 2133; Fertigstellungsgrad: 53,3 %; Durchschnittlicher Verlust: 3,3065 Iteration: 2134; Fertigstellungsgrad: 53,3 %; Durchschnittlicher Verlust: 3,0798 Iteration: 2135; Fertigstellungsgrad: 53,4 %; Durchschnittlicher Verlust: 3,1241 Iteration: 2136; Fertigstellungsgrad: 53,4 %; Durchschnittlicher Verlust: 2,8985 Iteration: 2137; Fertigstellungsgrad: 53,4 %; Durchschnittlicher Verlust: 2,9257 Iteration: 2138; Fertigstellungsgrad: 53,4 %; Durchschnittlicher Verlust: 3,0317 Iteration: 2139; Fertigstellungsgrad: 53,5 %; Durchschnittlicher Verlust: 3,0434 Iteration: 2140; Fertigstellungsgrad: 53,5 %; Durchschnittlicher Verlust: 2,9261 Iteration: 2141; Fertigstellungsgrad: 53,5 %; Durchschnittlicher Verlust: 3,2701 Iteration: 2142; Fertigstellungsgrad: 53,5 %; Durchschnittlicher Verlust: 3,1128 Iteration: 2143; Fertigstellungsgrad: 53,6 %; Durchschnittlicher Verlust: 3,3022 Iteration: 2144; Fertigstellungsgrad: 53,6 %; Durchschnittlicher Verlust: 2,9923 Iteration: 2145; Fertigstellungsgrad: 53,6 %; Durchschnittlicher Verlust: 3,0311 Iteration: 2146; Fertigstellungsgrad: 53,6 %; Durchschnittlicher Verlust: 3,0643 Iteration: 2147; Fertigstellungsgrad: 53,7 %; Durchschnittlicher Verlust: 3,2816 Iteration: 2148; Fertigstellungsgrad: 53,7 %; Durchschnittlicher Verlust: 3,3363 Iteration: 2149; Fertigstellungsgrad: 53,7 %; Durchschnittlicher Verlust: 3,1957 Iteration: 2150; Fertigstellungsgrad: 53,8 %; Durchschnittlicher Verlust: 2,7525 Iteration: 2151; Fertigstellungsgrad: 53,8 %; Durchschnittlicher Verlust: 3,0678 Iteration: 2152; Fertigstellungsgrad: 53,8 %; Durchschnittlicher Verlust: 2,9848 Iteration: 2153; Fertigstellungsgrad: 53,8 %; Durchschnittlicher Verlust: 3,0898
Iteration: 2154; Percent complete: 53.8%; Average loss: 2.8468
Iteration: 2155; Percent complete: 53.9%; Average loss: 3.3032
Iteration: 2156; Percent complete: 53.9%; Average loss: 3.1979
Iteration: 2157; Percent complete: 53.9%; Average loss: 3.0813
Iteration: 2158; Percent complete: 53.9%; Average loss: 3.4758
Iteration: 2159; Percent complete: 54.0%; Average loss: 3.0926
Iteration: 2160; Percent complete: 54.0%; Average loss: 2.9867
Iteration: 2161; Percent complete: 54.0%; Average loss: 3.3208
Iteration: 2162; Percent complete: 54.0%; Average loss: 3.1586
Iteration: 2163; Percent complete: 54.1%; Average loss: 3.0038
Iteration: 2164; Percent complete: 54.1%; Average loss: 2.8986
Iteration: 2165; Percent complete: 54.1%; Average loss: 3.0403
Iteration: 2166; Percent complete: 54.1%; Average loss: 3.3206
Iteration: 2167; Percent complete: 54.2%; Average loss: 3.1292
Iteration: 2168; Percent complete: 54.2%; Average loss: 3.0891
Iteration: 2169; Percent complete: 54.2%; Average loss: 2.9648
Iteration: 2170; Percent complete: 54.2%; Average loss: 3.0805
Iteration: 2171; Percent complete: 54.3%; Average loss: 3.2816
Iteration: 2172; Percent complete: 54.3%; Average loss: 3.1796
Iteration: 2173; Percent complete: 54.3%; Average loss: 3.1103
Iteration: 2174; Percent complete: 54.4%; Average loss: 3.1702
Iteration: 2175; Percent complete: 54.4%; Average loss: 2.8795
Iteration: 2176; Percent complete: 54.4%; Average loss: 3.0093
Iteration: 2177; Percent complete: 54.4%; Average loss: 3.3178
Iteration: 2178; Percent complete: 54.4%; Average loss: 3.0768
Iteration: 2179; Percent complete: 54.5%; Average loss: 3.1970
Iteration: 2180; Percent complete: 54.5%; Average loss: 3.0387
Iteration: 2181; Percent complete: 54.5%; Average loss: 3.2550
Iteration: 2182; Percent complete: 54.5%; Average loss: 3.0971
Iteration: 2183; Percent complete: 54.6%; Average loss: 3.1243
Iteration: 2184; Percent complete: 54.6%; Average loss: 3.2497
Iteration: 2185; Percent complete: 54.6%; Average loss: 3.2632
Iteration: 2186; Percent complete: 54.6%; Average loss: 3.1339
Iteration: 2187; Percent complete: 54.7%; Average loss: 2.9902
Iteration: 2188; Percent complete: 54.7%; Average loss: 2.9092
Iteration: 2189; Percent complete: 54.7%; Average loss: 3.3322
Iteration: 2190; Percent complete: 54.8%; Average loss: 3.0820
Iteration: 2191; Percent complete: 54.8%; Average loss: 3.2697
Iteration: 2192; Percent complete: 54.8%; Average loss: 3.0746
Iteration: 2193; Percent complete: 54.8%; Average loss: 3.1129
Iteration: 2194; Percent complete: 54.9%; Average loss: 3.3296
Iteration: 2195; Percent complete: 54.9%; Average loss: 3.0637
Iteration: 2196; Percent complete: 54.9%; Average loss: 2.9717
Iteration: 2197; Percent complete: 54.9%; Average loss: 3.1083
Iteration: 2198; Percent complete: 54.9%; Average loss: 2.8568
Iteration: 2199; Percent complete: 55.0%; Average loss: 3.1392
Iteration: 2200; Percent complete: 55.0%; Average loss: 2.9915
Iteration: 2201; Percent complete: 55.0%; Average loss: 3.3001
Iteration: 2202; Percent complete: 55.0%; Average loss: 3.1752
Iteration: 2203; Percent complete: 55.1%; Average loss: 3.1891
Iteration: 2204; Percent complete: 55.1%; Average loss: 3.1236
Iteration: 2205; Percent complete: 55.1%; Average loss: 3.0967
Iteration: 2206; Percent complete: 55.1%; Average loss: 3.3153
Iteration: 2207; Percent complete: 55.2%; Average loss: 3.1961
Iteration: 2208; Percent complete: 55.2%; Average loss: 3.0584
Iteration: 2209; Percent complete: 55.2%; Average loss: 3.1995
Iteration: 2210; Percent complete: 55.2%; Average loss: 3.4049
Iteration: 2211; Percent complete: 55.3%; Average loss: 3.2051
Iteration: 2212; Percent complete: 55.3%; Average loss: 2.9717
Iteration: 2213; Percent complete: 55.3%; Average loss: 3.0911
Iteration: 2214; Percent complete: 55.4%; Average loss: 3.2037
Iteration: 2215; Percent complete: 55.4%; Average loss: 3.3287
Iteration: 2216; Percent complete: 55.4%; Average loss: 3.1016
Iteration: 2217; Percent complete: 55.4%; Average loss: 3.2704
Iteration: 2218; Percent complete: 55.5%; Average loss: 3.3376
Iteration: 2219; Percent complete: 55.5%; Average loss: 3.3878 Iteration: 2220; Fertigstellungsgrad: 55,5 %; Durchschnittlicher Verlust: 3,0400 Iteration: 2221; Fertigstellungsgrad: 55,5 %; Durchschnittlicher Verlust: 3,2771 Iteration: 2222; Fertigstellungsgrad: 55,5 %; Durchschnittlicher Verlust: 3,2196 Iteration: 2223; Fertigstellungsgrad: 55,6 %; Durchschnittlicher Verlust: 3,1258 Iteration: 2224; Fertigstellungsgrad: 55,6 %; Durchschnittlicher Verlust: 2,9873 Iteration: 2225; Fertigstellungsgrad: 55,6 %; Durchschnittlicher Verlust: 2,8874 Iteration: 2226; Fertigstellungsgrad: 55,6 %; Durchschnittlicher Verlust: 3,0194 Iteration: 2227; Fertigstellungsgrad: 55,7 %; Durchschnittlicher Verlust: 3,2725 Iteration: 2228; Fertigstellungsgrad: 55,7 %; Durchschnittlicher Verlust: 3,3364 Iteration: 2229; Fertigstellungsgrad: 55,7 %; Durchschnittlicher Verlust: 3,1921 Iteration: 2230; Fertigstellungsgrad: 55,8 %; Durchschnittlicher Verlust: 3,2070 Iteration: 2231; Fertigstellungsgrad: 55,8 %; Durchschnittlicher Verlust: 2,9679 Iteration: 2232; Fertigstellungsgrad: 55,8 %; Durchschnittlicher Verlust: 3,0112 Iteration: 2233; Fertigstellungsgrad: 55,8 %; Durchschnittlicher Verlust: 3,2855 Iteration: 2234; Fertigstellungsgrad: 55,9 %; Durchschnittlicher Verlust: 3,1391 Iteration: 2235; Fertigstellungsgrad: 55,9 %; Durchschnittlicher Verlust: 2,9632 Iteration: 2236; Fertigstellungsgrad: 55,9 %; Durchschnittlicher Verlust: 3,0382 Iteration: 2237; Fertigstellungsgrad: 55,9 %; Durchschnittlicher Verlust: 3,0145 Iteration: 2238; Fertigstellungsgrad: 56,0 %; Durchschnittlicher Verlust: 3,0027 Iteration: 2239; Fertigstellungsgrad: 56,0 %; Durchschnittlicher Verlust: 2,9812 Iteration: 2240; Fertigstellungsgrad: 56,0 %; Durchschnittlicher Verlust: 2,9918 Iteration: 2241; Fertigstellungsgrad: 56,0 %; Durchschnittlicher Verlust: 3,0770 Iteration: 2242; Fertigstellungsgrad: 56,0 %; Durchschnittlicher Verlust: 3,0492 Iteration: 2243; Fertigstellungsgrad: 56,1 %; Durchschnittlicher Verlust: 2,9890 Iteration: 2244; Fertigstellungsgrad: 56,1 %; Durchschnittlicher Verlust: 3,1056 Iteration: 2245; Fertigstellungsgrad: 56,1 %; Durchschnittlicher Verlust: 3,2640 Iteration: 2246; Fertigstellungsgrad: 56,1 %; Durchschnittlicher Verlust: 3,0797 Iteration: 2247; Fertigstellungsgrad: 56,2 %; Durchschnittlicher Verlust: 3,4774 Iteration: 2248; Fertigstellungsgrad: 56,2 %; Durchschnittlicher Verlust: 3,0210 Iteration: 2249; Fertigstellungsgrad: 56,2 %; Durchschnittlicher Verlust: 3,1366 Iteration: 2250; Fertigstellungsgrad: 56,2 %; Durchschnittlicher Verlust: 2,9125 Iteration: 2251; Fertigstellungsgrad: 56,3 %; Durchschnittlicher Verlust: 3,1617 Iteration: 2252; Fertigstellungsgrad: 56,3 %; Durchschnittlicher Verlust: 3,1148
Iteration: 2253; Percent complete: 56.3%; Average loss: 3.0788
Iteration: 2254; Percent complete: 56.4%; Average loss: 3.1774
Iteration: 2255; Percent complete: 56.4%; Average loss: 2.9591
Iteration: 2256; Percent complete: 56.4%; Average loss: 3.3164
Iteration: 2257; Percent complete: 56.4%; Average loss: 2.9916
Iteration: 2258; Percent complete: 56.5%; Average loss: 3.3186
Iteration: 2259; Percent complete: 56.5%; Average loss: 3.1728
Iteration: 2260; Percent complete: 56.5%; Average loss: 2.9456
Iteration: 2261; Percent complete: 56.5%; Average loss: 3.0772
Iteration: 2262; Percent complete: 56.5%; Average loss: 2.9775
Iteration: 2263; Percent complete: 56.6%; Average loss: 2.8061 Iteration: 2264; Fertigstellungsgrad: 56,6 %; Durchschnittlicher Verlust: 2,8692 Iteration: 2265; Fertigstellungsgrad: 56,6 %; Durchschnittlicher Verlust: 2,7864 Iteration: 2266; Fertigstellungsgrad: 56,6 %; Durchschnittlicher Verlust: 3,1633 Iteration: 2267; Fertigstellungsgrad: 56,7 %; Durchschnittlicher Verlust: 3,0564 Iteration: 2268; Fertigstellungsgrad: 56,7 %; Durchschnittlicher Verlust: 2,8535 Iteration: 2269; Fertigstellungsgrad: 56,7 %; Durchschnittlicher Verlust: 3,1145 Iteration: 2270; Fertigstellungsgrad: 56,8 %; Durchschnittlicher Verlust: 2,7544 Iteration: 2271; Fertigstellungsgrad: 56,8 %; Durchschnittlicher Verlust: 3,2477 Iteration: 2272; Fertigstellungsgrad: 56,8 %; Durchschnittlicher Verlust: 2,8888 Iteration: 2273; Fertigstellungsgrad: 56,8 %; Durchschnittlicher Verlust: 3,0928 Iteration: 2274; Fertigstellungsgrad: 56,9 %; Durchschnittlicher Verlust: 2,9278 Iteration: 2275; Fertigstellungsgrad: 56,9 %; Durchschnittlicher Verlust: 3,0437 Iteration: 2276; Fertigstellungsgrad: 56,9 %; Durchschnittlicher Verlust: 3,1166 Iteration: 2277; Fertigstellungsgrad: 56,9 %; Durchschnittlicher Verlust: 3,0004 Iteration: 2278; Fertigstellungsgrad: 57,0 %; Durchschnittlicher Verlust: 3,1160 Iteration: 2279; Fertigstellungsgrad: 57,0 %; Durchschnittlicher Verlust: 3,2362 Iteration: 2280; Fertigstellungsgrad: 57,0 %; Durchschnittlicher Verlust: 3,1360 Iteration: 2281; Fertigstellungsgrad: 57,0 %; Durchschnittlicher Verlust: 3,0532 Iteration: 2282; Fertigstellungsgrad: 57,0 %; Durchschnittlicher Verlust: 3,2955 Iteration: 2283; Fertigstellungsgrad: 57,1 %; Durchschnittlicher Verlust: 3,1674 Iteration: 2284; Fertigstellungsgrad: 57,1 %; Durchschnittlicher Verlust: 3,2263 Iteration: 2285; Fertigstellungsgrad: 57,1 %; Durchschnittlicher Verlust: 3,0422 Iteration: 2286; Fertigstellungsgrad: 57,1 %; Durchschnittlicher Verlust: 3,1102 Iteration: 2287; Fertigstellungsgrad: 57,2 %; Durchschnittlicher Verlust: 3,0151 Iteration: 2288; Fertigstellungsgrad: 57,2 %; Durchschnittlicher Verlust: 2,9713 Iteration: 2289; Fertigstellungsgrad: 57,2 %; Durchschnittlicher Verlust: 2,9456 Iteration: 2290; Fertigstellungsgrad: 57,2 %; Durchschnittlicher Verlust: 2,9819 Iteration: 2291; Fertigstellungsgrad: 57,3 %; Durchschnittlicher Verlust: 2,8250 Iteration: 2292; Fertigstellungsgrad: 57,3 %; Durchschnittlicher Verlust: 3,0092 Iteration: 2293; Fertigstellungsgrad: 57,3 %; Durchschnittlicher Verlust: 3,1017 Iteration: 2294; Fertigstellungsgrad: 57,4 %; Durchschnittlicher Verlust: 3,0883 Iteration: 2295; Fertigstellungsgrad: 57,4 %; Durchschnittlicher Verlust: 2,9398 Iteration: 2296; Fertigstellungsgrad: 57,4 %; Durchschnittlicher Verlust: 3,0450
Iteration: 2297; Percent complete: 57.4%; Average loss: 2.9996
Iteration: 2298; Percent complete: 57.5%; Average loss: 3.1310
Iteration: 2299; Percent complete: 57.5%; Average loss: 2.8010
Iteration: 2300; Percent complete: 57.5%; Average loss: 2.8593
Iteration: 2301; Percent complete: 57.5%; Average loss: 3.1683
Iteration: 2302; Percent complete: 57.6%; Average loss: 3.0818
Iteration: 2303; Percent complete: 57.6%; Average loss: 3.5843
Iteration: 2304; Percent complete: 57.6%; Average loss: 3.1267
Iteration: 2305; Percent complete: 57.6%; Average loss: 3.0752
Iteration: 2306; Percent complete: 57.6%; Average loss: 3.3129
Iteration: 2307; Percent complete: 57.7%; Average loss: 2.8716 Iteration: 2308; Fertigstellungsgrad: 57,7 %; Durchschnittlicher Verlust: 3,1112 Iteration: 2309; Fertigstellungsgrad: 57,7 %; Durchschnittlicher Verlust: 2,9868 Iteration: 2310; Fertigstellungsgrad: 57,8 %; Durchschnittlicher Verlust: 3,0652 Iteration: 2311; Fertigstellungsgrad: 57,8 %; Durchschnittlicher Verlust: 3,0736 Iteration: 2312; Fertigstellungsgrad: 57,8 %; Durchschnittlicher Verlust: 3,1129 Iteration: 2313; Fertigstellungsgrad: 57,8 %; Durchschnittlicher Verlust: 2,9390 Iteration: 2314; Fertigstellungsgrad: 57,9 %; Durchschnittlicher Verlust: 2,8676 Iteration: 2315; Fertigstellungsgrad: 57,9 %; Durchschnittlicher Verlust: 3,0772 Iteration: 2316; Fertigstellungsgrad: 57,9 %; Durchschnittlicher Verlust: 3,0162 Iteration: 2317; Fertigstellungsgrad: 57,9 %; Durchschnittlicher Verlust: 3,3064 Iteration: 2318; Fertigstellungsgrad: 58,0 %; Durchschnittlicher Verlust: 3,0727 Iteration: 2319; Fertigstellungsgrad: 58,0 %; Durchschnittlicher Verlust: 3,0232 Iteration: 2320; Fertigstellungsgrad: 58,0 %; Durchschnittlicher Verlust: 2,9897 Iteration: 2321; Fertigstellungsgrad: 58,0 %; Durchschnittlicher Verlust: 3,1535 Iteration: 2322; Fertigstellungsgrad: 58,1 %; Durchschnittlicher Verlust: 3,0210 Iteration: 2323; Fertigstellungsgrad: 58,1 %; Durchschnittlicher Verlust: 3,2153 Iteration: 2324; Fertigstellungsgrad: 58,1 %; Durchschnittlicher Verlust: 2,9442 Iteration: 2325; Fertigstellungsgrad: 58,1 %; Durchschnittlicher Verlust: 3,1183 Iteration: 2326; Fertigstellungsgrad: 58,1 %; Durchschnittlicher Verlust: 3,0078 Iteration: 2327; Fertigstellungsgrad: 58,2 %; Durchschnittlicher Verlust: 3,0243 Iteration: 2328; Fertigstellungsgrad: 58,2 %; Durchschnittlicher Verlust: 3,0384 Iteration: 2329; Fertigstellungsgrad: 58,2 %; Durchschnittlicher Verlust: 2,9314
Iteration: 2330; Percent complete: 58.2%; Average loss: 3.0747
Iteration: 2331; Percent complete: 58.3%; Average loss: 3.3255
Iteration: 2332; Percent complete: 58.3%; Average loss: 3.1679
Iteration: 2333; Percent complete: 58.3%; Average loss: 3.0622
Iteration: 2334; Percent complete: 58.4%; Average loss: 2.8509
Iteration: 2335; Percent complete: 58.4%; Average loss: 3.1293
Iteration: 2336; Percent complete: 58.4%; Average loss: 3.1161
Iteration: 2337; Percent complete: 58.4%; Average loss: 3.0836
Iteration: 2338; Percent complete: 58.5%; Average loss: 3.0401
Iteration: 2339; Percent complete: 58.5%; Average loss: 3.1791
Iteration: 2340; Percent complete: 58.5%; Average loss: 3.0428
Iteration: 2341; Percent complete: 58.5%; Average loss: 3.0045
Iteration: 2342; Percent complete: 58.6%; Average loss: 3.1148
Iteration: 2343; Percent complete: 58.6%; Average loss: 3.1060
Iteration: 2344; Percent complete: 58.6%; Average loss: 2.9190
Iteration: 2345; Percent complete: 58.6%; Average loss: 3.0762
Iteration: 2346; Percent complete: 58.7%; Average loss: 3.2960
Iteration: 2347; Percent complete: 58.7%; Average loss: 3.0610
Iteration: 2348; Percent complete: 58.7%; Average loss: 2.9436
Iteration: 2349; Percent complete: 58.7%; Average loss: 3.0218
Iteration: 2350; Percent complete: 58.8%; Average loss: 3.1972
Iteration: 2351; Percent complete: 58.8%; Average loss: 2.9246
Iteration: 2352; Percent complete: 58.8%; Average loss: 2.9806
Iteration: 2353; Percent complete: 58.8%; Average loss: 2.9844
Iteration: 2354; Percent complete: 58.9%; Average loss: 3.0761
Iteration: 2355; Percent complete: 58.9%; Average loss: 3.1563
Iteration: 2356; Percent complete: 58.9%; Average loss: 3.1000
Iteration: 2357; Percent complete: 58.9%; Average loss: 3.0744
Iteration: 2358; Percent complete: 59.0%; Average loss: 3.3202
Iteration: 2359; Percent complete: 59.0%; Average loss: 3.1427
Iteration: 2360; Percent complete: 59.0%; Average loss: 2.8752
Iteration: 2361; Percent complete: 59.0%; Average loss: 2.9509
Iteration: 2362; Percent complete: 59.1%; Average loss: 3.3466 Iteration: 2363; Fertigstellungsgrad: 59,1 %; Durchschnittlicher Verlust: 3,0502 Iteration: 2364; Fertigstellungsgrad: 59,1 %; Durchschnittlicher Verlust: 3,2602 Iteration: 2365; Fertigstellungsgrad: 59,1 %; Durchschnittlicher Verlust: 3,2599 Iteration: 2366; Fertigstellungsgrad: 59,2 %; Durchschnittlicher Verlust: 3,2664 Iteration: 2367; Fertigstellungsgrad: 59,2 %; Durchschnittlicher Verlust: 3,0201 Iteration: 2368; Fertigstellungsgrad: 59,2 %; Durchschnittlicher Verlust: 3,0388 Iteration: 2369; Fertigstellungsgrad: 59,2 %; Durchschnittlicher Verlust: 3,1378 Iteration: 2370; Fertigstellungsgrad: 59,2 %; Durchschnittlicher Verlust: 3,0384 Iteration: 2371; Fertigstellungsgrad: 59,3 %; Durchschnittlicher Verlust: 3,0904 Iteration: 2372; Fertigstellungsgrad: 59,3 %; Durchschnittlicher Verlust: 2,9159 Iteration: 2373; Fertigstellungsgrad: 59,3 %; Durchschnittlicher Verlust: 2,9554
Iteration: 2374; Percent complete: 59.4%; Average loss: 2.9580
Iteration: 2375; Percent complete: 59.4%; Average loss: 3.1549
Iteration: 2376; Percent complete: 59.4%; Average loss: 2.9553
Iteration: 2377; Percent complete: 59.4%; Average loss: 3.1021
Iteration: 2378; Percent complete: 59.5%; Average loss: 3.0800
Iteration: 2379; Percent complete: 59.5%; Average loss: 2.9453
Iteration: 2380; Percent complete: 59.5%; Average loss: 3.1070
Iteration: 2381; Percent complete: 59.5%; Average loss: 3.0925
Iteration: 2382; Percent complete: 59.6%; Average loss: 3.3733
Iteration: 2383; Percent complete: 59.6%; Average loss: 3.1546
Iteration: 2384; Percent complete: 59.6%; Average loss: 2.8652 Iteration: 2385; Fertigstellungsgrad: 59,6 %; Durchschnittlicher Verlust: 3,2393 Iteration: 2386; Fertigstellungsgrad: 59,7 %; Durchschnittlicher Verlust: 3,2042 Iteration: 2387; Fertigstellungsgrad: 59,7 %; Durchschnittlicher Verlust: 2,8791 Iteration: 2388; Fertigstellungsgrad: 59,7 %; Durchschnittlicher Verlust: 2,9418 Iteration: 2389; Fertigstellungsgrad: 59,7 %; Durchschnittlicher Verlust: 2,8363 Iteration: 2390; Fertigstellungsgrad: 59,8 %; Durchschnittlicher Verlust: 2,9549 Iteration: 2391; Fertigstellungsgrad: 59,8 %; Durchschnittlicher Verlust: 3,2512 Iteration: 2392; Fertigstellungsgrad: 59,8 %; Durchschnittlicher Verlust: 3,1164 Iteration: 2393; Fertigstellungsgrad: 59,8 %; Durchschnittlicher Verlust: 3,2587 Iteration: 2394; Fertigstellungsgrad: 59,9 %; Durchschnittlicher Verlust: 2,9347 Iteration: 2395; Fertigstellungsgrad: 59,9 %; Durchschnittlicher Verlust: 3,0743
Iteration: 2396; Percent complete: 59.9%; Average loss: 3.1110
Iteration: 2397; Percent complete: 59.9%; Average loss: 2.8222
Iteration: 2398; Percent complete: 60.0%; Average loss: 3.1630
Iteration: 2399; Percent complete: 60.0%; Average loss: 2.8565
Iteration: 2400; Percent complete: 60.0%; Average loss: 2.6509
Iteration: 2401; Percent complete: 60.0%; Average loss: 2.9225
Iteration: 2402; Percent complete: 60.1%; Average loss: 2.8848
Iteration: 2403; Percent complete: 60.1%; Average loss: 2.7846
Iteration: 2404; Percent complete: 60.1%; Average loss: 2.7785
Iteration: 2405; Percent complete: 60.1%; Average loss: 3.2029
Iteration: 2406; Percent complete: 60.2%; Average loss: 3.1734 Iteration: 2407; Prozentsatz abgeschlossen: 60,2 %; Durchschnittlicher Verlust: 3,0964 Iteration: 2408; Prozentsatz abgeschlossen: 60,2 %; Durchschnittlicher Verlust: 3,0109 Iteration: 2409; Prozentsatz abgeschlossen: 60,2 %; Durchschnittlicher Verlust: 3,1598 Iteration: 2410; Prozentsatz abgeschlossen: 60,2 %; Durchschnittlicher Verlust: 2,9957 Iteration: 2411; Prozentsatz abgeschlossen: 60,3 %; Durchschnittlicher Verlust: 2,9907 Iteration: 2412; Prozentsatz abgeschlossen: 60,3 %; Durchschnittlicher Verlust: 3,1935 Iteration: 2413; Prozentsatz abgeschlossen: 60,3 %; Durchschnittlicher Verlust: 3,2891 Iteration: 2414; Prozentsatz abgeschlossen: 60,4 %; Durchschnittlicher Verlust: 3,3107 Iteration: 2415; Prozentsatz abgeschlossen: 60,4 %; Durchschnittlicher Verlust: 3,1740 Iteration: 2416; Prozentsatz abgeschlossen: 60,4 %; Durchschnittlicher Verlust: 3,1878 Iteration: 2417; Prozentsatz abgeschlossen: 60,4 %; Durchschnittlicher Verlust: 3,1262 Iteration: 2418; Fertigstellungsgrad: 60,5 %; Durchschnittlicher Verlust: 3,1831 Iteration: 2419; Fertigstellungsgrad: 60,5 %; Durchschnittlicher Verlust: 3,2178 Iteration: 2420; Fertigstellungsgrad: 60,5 %; Durchschnittlicher Verlust: 3,1775 Iteration: 2421; Fertigstellungsgrad: 60,5 %; Durchschnittlicher Verlust: 3,1689 Iteration: 2422; Prozentsatz abgeschlossen: 60,6 %; Durchschnittlicher Verlust: 2,9597 Iteration: 2423; Prozentsatz abgeschlossen: 60,6 %; Durchschnittlicher Verlust: 3,0766 Iteration: 2424; Prozentsatz abgeschlossen: 60,6 %; Durchschnittlicher Verlust: 2,8048 Iteration: 2425; Prozentsatz abgeschlossen: 60,6 %; Durchschnittlicher Verlust: 2,9344 Iteration: 2426; Prozentsatz abgeschlossen: 60,7 %; Durchschnittlicher Verlust: 2,9793 Iteration: 2427; Prozentsatz abgeschlossen: 60,7 %; Durchschnittlicher Verlust: 2,9215 Iteration: 2428; Prozentsatz abgeschlossen: 60,7 %; Durchschnittlicher Verlust: 2,8392
Iteration: 2429; Percent complete: 60.7%; Average loss: 3.1669
Iteration: 2430; Percent complete: 60.8%; Average loss: 3.0947
Iteration: 2431; Percent complete: 60.8%; Average loss: 2.8993
Iteration: 2432; Percent complete: 60.8%; Average loss: 3.0709
Iteration: 2433; Percent complete: 60.8%; Average loss: 2.9329
Iteration: 2434; Percent complete: 60.9%; Average loss: 3.0405
Iteration: 2435; Percent complete: 60.9%; Average loss: 3.0742
Iteration: 2436; Percent complete: 60.9%; Average loss: 2.9715
Iteration: 2437; Percent complete: 60.9%; Average loss: 3.1307
Iteration: 2438; Percent complete: 61.0%; Average loss: 2.8098
Iteration: 2439; Percent complete: 61.0%; Average loss: 2.8850
Iteration: 2440; Percent complete: 61.0%; Average loss: 2.8758
Iteration: 2441; Percent complete: 61.0%; Average loss: 2.8646
Iteration: 2442; Percent complete: 61.1%; Average loss: 2.9402
Iteration: 2443; Percent complete: 61.1%; Average loss: 2.9933
Iteration: 2444; Percent complete: 61.1%; Average loss: 3.0753
Iteration: 2445; Percent complete: 61.1%; Average loss: 2.9071
Iteration: 2446; Percent complete: 61.2%; Average loss: 3.0659
Iteration: 2447; Percent complete: 61.2%; Average loss: 3.0112
Iteration: 2448; Percent complete: 61.2%; Average loss: 2.8507
Iteration: 2449; Percent complete: 61.2%; Average loss: 2.8009
Iteration: 2450; Percent complete: 61.3%; Average loss: 2.9761 Iteration: 2451; Prozentsatz abgeschlossen: 61,3 %; Durchschnittlicher Verlust: 2,8785 Iteration: 2452; Prozentsatz abgeschlossen: 61,3 %; Durchschnittlicher Verlust: 2,9778 Iteration: 2453; Prozentsatz abgeschlossen: 61,3 %; Durchschnittlicher Verlust: 3,0782 Iteration: 2454; Prozentsatz abgeschlossen: 61,4 %; Durchschnittlicher Verlust: 3,1972 Iteration: 2455; Prozentsatz abgeschlossen: 61,4 %; Durchschnittlicher Verlust: 2,9746 Iteration: 2456; Prozentsatz abgeschlossen: 61,4 %; Durchschnittlicher Verlust: 2,9800 Iteration: 2457; Prozentsatz abgeschlossen: 61,4 %; Durchschnittlicher Verlust: 3,0350 Iteration: 2458; Fertigstellungsgrad: 61,5 %; Durchschnittlicher Verlust: 3,2193 Iteration: 2459; Fertigstellungsgrad: 61,5 %; Durchschnittlicher Verlust: 3,1953 Iteration: 2460; Fertigstellungsgrad: 61,5 %; Durchschnittlicher Verlust: 3,1009 Iteration: 2461; Fertigstellungsgrad: 61,5 %; Durchschnittlicher Verlust: 3,0594
Iteration: 2462; Percent complete: 61.6%; Average loss: 2.9035
Iteration: 2463; Percent complete: 61.6%; Average loss: 2.9778
Iteration: 2464; Percent complete: 61.6%; Average loss: 2.8606
Iteration: 2465; Percent complete: 61.6%; Average loss: 2.9781
Iteration: 2466; Percent complete: 61.7%; Average loss: 3.1709
Iteration: 2467; Percent complete: 61.7%; Average loss: 2.8020
Iteration: 2468; Percent complete: 61.7%; Average loss: 2.9450
Iteration: 2469; Percent complete: 61.7%; Average loss: 2.9630
Iteration: 2470; Percent complete: 61.8%; Average loss: 2.8761
Iteration: 2471; Percent complete: 61.8%; Average loss: 3.1787
Iteration: 2472; Percent complete: 61.8%; Average loss: 2.9714 Iteration: 2473; Prozentsatz abgeschlossen: 61,8 %; Durchschnittlicher Verlust: 3,1867 Iteration: 2474; Prozentsatz abgeschlossen: 61,9 %; Durchschnittlicher Verlust: 3,0304 Iteration: 2475; Prozentsatz abgeschlossen: 61,9 %; Durchschnittlicher Verlust: 2,7913 Iteration: 2476; Prozentsatz abgeschlossen: 61,9 %; Durchschnittlicher Verlust: 3,3231 Iteration: 2477; Prozentsatz abgeschlossen: 61,9 %; Durchschnittlicher Verlust: 2,7211 Iteration: 2478; Prozentsatz abgeschlossen: 62,0 %; Durchschnittlicher Verlust: 3,0938 Iteration: 2479; Prozentsatz abgeschlossen: 62,0 %; Durchschnittlicher Verlust: 3,2889 Iteration: 2480; Prozentsatz abgeschlossen: 62,0 %; Durchschnittlicher Verlust: 3,0758 Iteration: 2481; Prozentsatz abgeschlossen: 62,0 %; Durchschnittlicher Verlust: 3,2690 Iteration: 2482; Fertigstellungsgrad: 62,1 %; Durchschnittlicher Verlust: 3,1744 Iteration: 2483; Fertigstellungsgrad: 62,1 %; Durchschnittlicher Verlust: 2,9487
Iteration: 2484; Percent complete: 62.1%; Average loss: 3.0104
Iteration: 2485; Percent complete: 62.1%; Average loss: 3.0319
Iteration: 2486; Percent complete: 62.2%; Average loss: 2.9444
Iteration: 2487; Percent complete: 62.2%; Average loss: 3.1453
Iteration: 2488; Percent complete: 62.2%; Average loss: 2.7463
Iteration: 2489; Percent complete: 62.2%; Average loss: 2.9355
Iteration: 2490; Percent complete: 62.3%; Average loss: 3.0119
Iteration: 2491; Percent complete: 62.3%; Average loss: 3.0427
Iteration: 2492; Percent complete: 62.3%; Average loss: 3.1642
Iteration: 2493; Percent complete: 62.3%; Average loss: 2.9699
Iteration: 2494; Percent complete: 62.4%; Average loss: 3.4102
Iteration: 2495; Percent complete: 62.4%; Average loss: 3.2116
Iteration: 2496; Percent complete: 62.4%; Average loss: 2.9830
Iteration: 2497; Percent complete: 62.4%; Average loss: 3.1177
Iteration: 2498; Percent complete: 62.5%; Average loss: 2.9563
Iteration: 2499; Percent complete: 62.5%; Average loss: 3.0650
Iteration: 2500; Percent complete: 62.5%; Average loss: 3.0865
Iteration: 2501; Percent complete: 62.5%; Average loss: 2.9232
Iteration: 2502; Percent complete: 62.5%; Average loss: 2.9820
Iteration: 2503; Percent complete: 62.6%; Average loss: 3.0933
Iteration: 2504; Percent complete: 62.6%; Average loss: 2.9038
Iteration: 2505; Percent complete: 62.6%; Average loss: 3.0606
Iteration: 2506; Percent complete: 62.6%; Average loss: 2.9566
Iteration: 2507; Percent complete: 62.7%; Average loss: 3.1317
Iteration: 2508; Percent complete: 62.7%; Average loss: 3.0128
Iteration: 2509; Percent complete: 62.7%; Average loss: 2.8879
Iteration: 2510; Percent complete: 62.7%; Average loss: 2.8615
Iteration: 2511; Percent complete: 62.8%; Average loss: 2.8921
Iteration: 2512; Percent complete: 62.8%; Average loss: 3.0534
Iteration: 2513; Percent complete: 62.8%; Average loss: 3.0897
Iteration: 2514; Percent complete: 62.8%; Average loss: 2.7838
Iteration: 2515; Percent complete: 62.9%; Average loss: 2.8472
Iteration: 2516; Percent complete: 62.9%; Average loss: 3.0137
Iteration: 2517; Percent complete: 62.9%; Average loss: 3.2288
Iteration: 2518; Percent complete: 62.9%; Average loss: 2.9755
Iteration: 2519; Percent complete: 63.0%; Average loss: 3.2579
Iteration: 2520; Percent complete: 63.0%; Average loss: 2.7489
Iteration: 2521; Percent complete: 63.0%; Average loss: 3.1481
Iteration: 2522; Percent complete: 63.0%; Average loss: 2.9058
Iteration: 2523; Percent complete: 63.1%; Average loss: 3.0740
Iteration: 2524; Percent complete: 63.1%; Average loss: 2.8643
Iteration: 2525; Percent complete: 63.1%; Average loss: 3.0609
Iteration: 2526; Percent complete: 63.1%; Average loss: 2.9330
Iteration: 2527; Percent complete: 63.2%; Average loss: 3.1945 Iteration: 2528; Prozentsatz abgeschlossen: 63,2 %; Durchschnittlicher Verlust: 2,9167 Iteration: 2529; Prozentsatz abgeschlossen: 63,2 %; Durchschnittlicher Verlust: 3,0811 Iteration: 2530; Prozentsatz abgeschlossen: 63,2 %; Durchschnittlicher Verlust: 3,1511 Iteration: 2531; Prozentsatz abgeschlossen: 63,3 %; Durchschnittlicher Verlust: 2,9722 Iteration: 2532; Prozentsatz abgeschlossen: 63,3 %; Durchschnittlicher Verlust: 2,9541 Iteration: 2533; Prozentsatz abgeschlossen: 63,3 %; Durchschnittlicher Verlust: 3,1472 Iteration: 2534; Prozentsatz abgeschlossen: 63,3 %; Durchschnittlicher Verlust: 2,8963 Iteration: 2535; Prozentsatz abgeschlossen: 63,4 %; Durchschnittlicher Verlust: 3,1040 Iteration: 2536; Prozentsatz abgeschlossen: 63,4 %; Durchschnittlicher Verlust: 3,0082 Iteration: 2537; Prozentsatz abgeschlossen: 63,4 %; Durchschnittlicher Verlust: 2,7428 Iteration: 2538; Prozentsatz abgeschlossen: 63,4 %; Durchschnittlicher Verlust: 3,1276 Iteration: 2539; Fertigstellungsgrad: 63,5 %; Durchschnittlicher Verlust: 3,1702 Iteration: 2540; Fertigstellungsgrad: 63,5 %; Durchschnittlicher Verlust: 3,0390 Iteration: 2541; Fertigstellungsgrad: 63,5 %; Durchschnittlicher Verlust: 3,0735 Iteration: 2542; Fertigstellungsgrad: 63,5 %; Durchschnittlicher Verlust: 2,9593 Iteration: 2543; Prozentsatz abgeschlossen: 63,6 %; Durchschnittlicher Verlust: 3,1316 Iteration: 2544; Prozentsatz abgeschlossen: 63,6 %; Durchschnittlicher Verlust: 2,9566 Iteration: 2545; Prozentsatz abgeschlossen: 63,6 %; Durchschnittlicher Verlust: 3,0541 Iteration: 2546; Prozentsatz abgeschlossen: 63,6 %; Durchschnittlicher Verlust: 2,8510 Iteration: 2547; Prozentsatz abgeschlossen: 63,7 %; Durchschnittlicher Verlust: 3,1570 Iteration: 2548; Prozentsatz abgeschlossen: 63,7 %; Durchschnittlicher Verlust: 3,3161 Iteration: 2549; Prozentsatz abgeschlossen: 63,7 %; Durchschnittlicher Verlust: 3,0934 Iteration: 2550; Prozentsatz abgeschlossen: 63,7 %; Durchschnittlicher Verlust: 2,7384 Iteration: 2551; Fertigstellungsgrad: 63,8 %; Durchschnittlicher Verlust: 2,8517 Iteration: 2552; Fertigstellungsgrad: 63,8 %; Durchschnittlicher Verlust: 2,8114 Iteration: 2553; Fertigstellungsgrad: 63,8 %; Durchschnittlicher Verlust: 2,9827 Iteration: 2554; Fertigstellungsgrad: 63,8 %; Durchschnittlicher Verlust: 2,9104 Iteration: 2555; Prozentsatz abgeschlossen: 63,9 %; Durchschnittlicher Verlust: 3,0919 Iteration: 2556; Prozentsatz abgeschlossen: 63,9 %; Durchschnittlicher Verlust: 3,0690 Iteration: 2557; Prozentsatz abgeschlossen: 63,9 %; Durchschnittlicher Verlust: 3,0957 Iteration: 2558; Prozentsatz abgeschlossen: 63,9 %; Durchschnittlicher Verlust: 2,9921 Iteration: 2559; Prozentsatz abgeschlossen: 64,0 %; Durchschnittlicher Verlust: 2,9404 Iteration: 2560; Prozentsatz abgeschlossen: 64,0 %; Durchschnittlicher Verlust: 2,9503
Iteration: 2561; Percent complete: 64.0%; Average loss: 3.0078
Iteration: 2562; Percent complete: 64.0%; Average loss: 3.1286
Iteration: 2563; Percent complete: 64.1%; Average loss: 2.8652
Iteration: 2564; Percent complete: 64.1%; Average loss: 3.0342
Iteration: 2565; Percent complete: 64.1%; Average loss: 2.9201
Iteration: 2566; Percent complete: 64.1%; Average loss: 2.8465
Iteration: 2567; Percent complete: 64.2%; Average loss: 3.0654
Iteration: 2568; Percent complete: 64.2%; Average loss: 3.1371
Iteration: 2569; Percent complete: 64.2%; Average loss: 3.0328
Iteration: 2570; Percent complete: 64.2%; Average loss: 3.0551
Iteration: 2571; Percent complete: 64.3%; Average loss: 2.9468 Iteration: 2572; Prozentsatz abgeschlossen: 64,3 %; Durchschnittlicher Verlust: 3,0390 Iteration: 2573; Prozentsatz abgeschlossen: 64,3 %; Durchschnittlicher Verlust: 2,9121 Iteration: 2574; Prozentsatz abgeschlossen: 64,3 %; Durchschnittlicher Verlust: 3,0295 Iteration: 2575; Prozentsatz abgeschlossen: 64,4 %; Durchschnittlicher Verlust: 2,8644 Iteration: 2576; Prozentsatz abgeschlossen: 64,4 %; Durchschnittlicher Verlust: 2,8744 Iteration: 2577; Prozentsatz abgeschlossen: 64,4 %; Durchschnittlicher Verlust: 2,8617 Iteration: 2578; Fertigstellungsgrad: 64,5 %; Durchschnittlicher Verlust: 2,9077 Iteration: 2579; Fertigstellungsgrad: 64,5 %; Durchschnittlicher Verlust: 2,9754 Iteration: 2580; Fertigstellungsgrad: 64,5 %; Durchschnittlicher Verlust: 3,1065 Iteration: 2581; Fertigstellungsgrad: 64,5 %; Durchschnittlicher Verlust: 3,0537 Iteration: 2582; Fertigstellungsgrad: 64,5 %; Durchschnittlicher Verlust: 2,9967 Iteration: 2583; Prozentsatz abgeschlossen: 64,6 %; Durchschnittlicher Verlust: 2,9721 Iteration: 2584; Prozentsatz abgeschlossen: 64,6 %; Durchschnittlicher Verlust: 2,9958 Iteration: 2585; Prozentsatz abgeschlossen: 64,6 %; Durchschnittlicher Verlust: 2,9881 Iteration: 2586; Prozentsatz abgeschlossen: 64,6 %; Durchschnittlicher Verlust: 3,0088 Iteration: 2587; Prozentsatz abgeschlossen: 64,7 %; Durchschnittlicher Verlust: 3,2258 Iteration: 2588; Prozentsatz abgeschlossen: 64,7 %; Durchschnittlicher Verlust: 3,0431 Iteration: 2589; Prozentsatz abgeschlossen: 64,7 %; Durchschnittlicher Verlust: 2,7865 Iteration: 2590; Prozentsatz abgeschlossen: 64,8 %; Durchschnittlicher Verlust: 3,0031 Iteration: 2591; Prozentsatz abgeschlossen: 64,8 %; Durchschnittlicher Verlust: 3,1517 Iteration: 2592; Prozentsatz abgeschlossen: 64,8 %; Durchschnittlicher Verlust: 3,0455 Iteration: 2593; Prozentsatz abgeschlossen: 64,8 %; Durchschnittlicher Verlust: 2,9903 Iteration: 2594; Prozentsatz abgeschlossen: 64,8 %; Durchschnittlicher Verlust: 3,1832 Iteration: 2595; Prozentsatz abgeschlossen: 64,9 %; Durchschnittlicher Verlust: 3,0362 Iteration: 2596; Prozentsatz abgeschlossen: 64,9 %; Durchschnittlicher Verlust: 2,9187 Iteration: 2597; Prozentsatz abgeschlossen: 64,9 %; Durchschnittlicher Verlust: 2,9790 Iteration: 2598; Fertigstellungsgrad: 65,0 %; Durchschnittlicher Verlust: 2,8725 Iteration: 2599; Fertigstellungsgrad: 65,0 %; Durchschnittlicher Verlust: 2,9556 Iteration: 2600; Fertigstellungsgrad: 65,0 %; Durchschnittlicher Verlust: 3,1295 Iteration: 2601; Fertigstellungsgrad: 65,0 %; Durchschnittlicher Verlust: 2,7896 Iteration: 2602; Fertigstellungsgrad: 65,0 %; Durchschnittlicher Verlust: 2,7533 Iteration: 2603; Prozentsatz abgeschlossen: 65,1 %; Durchschnittlicher Verlust: 2,6595 Iteration: 2604; Prozentsatz abgeschlossen: 65,1 %; Durchschnittlicher Verlust: 2,9213
Iteration: 2605; Percent complete: 65.1%; Average loss: 2.9867
Iteration: 2606; Percent complete: 65.1%; Average loss: 2.8525
Iteration: 2607; Percent complete: 65.2%; Average loss: 2.9954
Iteration: 2608; Percent complete: 65.2%; Average loss: 3.0242
Iteration: 2609; Percent complete: 65.2%; Average loss: 2.9411
Iteration: 2610; Percent complete: 65.2%; Average loss: 2.9791
Iteration: 2611; Percent complete: 65.3%; Average loss: 2.9898
Iteration: 2612; Percent complete: 65.3%; Average loss: 3.1907
Iteration: 2613; Percent complete: 65.3%; Average loss: 2.9187
Iteration: 2614; Percent complete: 65.3%; Average loss: 2.9411
Iteration: 2615; Percent complete: 65.4%; Average loss: 2.9931
Iteration: 2616; Percent complete: 65.4%; Average loss: 2.9434
Iteration: 2617; Percent complete: 65.4%; Average loss: 2.9787
Iteration: 2618; Percent complete: 65.5%; Average loss: 3.0412
Iteration: 2619; Percent complete: 65.5%; Average loss: 2.9322
Iteration: 2620; Percent complete: 65.5%; Average loss: 3.2142
Iteration: 2621; Percent complete: 65.5%; Average loss: 2.8550
Iteration: 2622; Percent complete: 65.5%; Average loss: 2.8026
Iteration: 2623; Percent complete: 65.6%; Average loss: 2.8920
Iteration: 2624; Percent complete: 65.6%; Average loss: 2.8633
Iteration: 2625; Percent complete: 65.6%; Average loss: 3.0554
Iteration: 2626; Percent complete: 65.6%; Average loss: 2.9736
Iteration: 2627; Percent complete: 65.7%; Average loss: 2.9830
Iteration: 2628; Percent complete: 65.7%; Average loss: 3.0041
Iteration: 2629; Percent complete: 65.7%; Average loss: 2.7545
Iteration: 2630; Percent complete: 65.8%; Average loss: 2.9692
Iteration: 2631; Percent complete: 65.8%; Average loss: 3.1761
Iteration: 2632; Percent complete: 65.8%; Average loss: 2.8432
Iteration: 2633; Percent complete: 65.8%; Average loss: 2.9829
Iteration: 2634; Percent complete: 65.8%; Average loss: 2.9266
Iteration: 2635; Percent complete: 65.9%; Average loss: 3.1029
Iteration: 2636; Percent complete: 65.9%; Average loss: 2.8519
Iteration: 2637; Percent complete: 65.9%; Average loss: 2.9450 Iteration: 2638; Fertigstellungsgrad: 66,0 %; Durchschnittlicher Verlust: 2,8228 Iteration: 2639; Fertigstellungsgrad: 66,0 %; Durchschnittlicher Verlust: 2,8476 Iteration: 2640; Fertigstellungsgrad: 66,0 %; Durchschnittlicher Verlust: 2,8644 Iteration: 2641; Fertigstellungsgrad: 66,0 %; Durchschnittlicher Verlust: 2,9213 Iteration: 2642; Fertigstellungsgrad: 66,0 %; Durchschnittlicher Verlust: 3,0804 Iteration: 2643; Fertigstellungsgrad: 66,1 %; Durchschnittlicher Verlust: 3,0568 Iteration: 2644; Fertigstellungsgrad: 66,1 %; Durchschnittlicher Verlust: 2,8744 Iteration: 2645; Fertigstellungsgrad: 66,1 %; Durchschnittlicher Verlust: 3,0653 Iteration: 2646; Fertigstellungsgrad: 66,1 %; Durchschnittlicher Verlust: 3,3139 Iteration: 2647; Prozentsatz abgeschlossen: 66,2 %; Durchschnittlicher Verlust: 2,9657 Iteration: 2648; Prozentsatz abgeschlossen: 66,2 %; Durchschnittlicher Verlust: 2,8673
Iteration: 2649; Percent complete: 66.2%; Average loss: 2.8463
Iteration: 2650; Percent complete: 66.2%; Average loss: 2.8480
Iteration: 2651; Percent complete: 66.3%; Average loss: 2.8807
Iteration: 2652; Percent complete: 66.3%; Average loss: 3.1087
Iteration: 2653; Percent complete: 66.3%; Average loss: 2.9096
Iteration: 2654; Percent complete: 66.3%; Average loss: 2.6968
Iteration: 2655; Percent complete: 66.4%; Average loss: 2.9342
Iteration: 2656; Percent complete: 66.4%; Average loss: 3.1519
Iteration: 2657; Percent complete: 66.4%; Average loss: 2.8634
Iteration: 2658; Percent complete: 66.5%; Average loss: 2.7274
Iteration: 2659; Percent complete: 66.5%; Average loss: 3.2263 Iteration: 2660; Fertigstellungsgrad: 66,5 %; Durchschnittlicher Verlust: 3,0311 Iteration: 2661; Fertigstellungsgrad: 66,5 %; Durchschnittlicher Verlust: 2,9810 Iteration: 2662; Fertigstellungsgrad: 66,5 %; Durchschnittlicher Verlust: 2,8290 Iteration: 2663; Fertigstellungsgrad: 66,6 %; Durchschnittlicher Verlust: 3,2688 Iteration: 2664; Fertigstellungsgrad: 66,6 %; Durchschnittlicher Verlust: 2,9068 Iteration: 2665; Fertigstellungsgrad: 66,6 %; Durchschnittlicher Verlust: 3,0316 Iteration: 2666; Fertigstellungsgrad: 66,6 %; Durchschnittlicher Verlust: 2,8046 Iteration: 2667; Fertigstellungsgrad: 66,7 %; Durchschnittlicher Verlust: 2,9919 Iteration: 2668; Fertigstellungsgrad: 66,7 %; Durchschnittlicher Verlust: 2,9210 Iteration: 2669; Fertigstellungsgrad: 66,7 %; Durchschnittlicher Verlust: 3,1405 Iteration: 2670; Fertigstellungsgrad: 66,8 %; Durchschnittlicher Verlust: 3,1468 Iteration: 2671; Fertigstellungsgrad: 66,8 %; Durchschnittlicher Verlust: 2,8994 Iteration: 2672; Fertigstellungsgrad: 66,8 %; Durchschnittlicher Verlust: 3,1178 Iteration: 2673; Fertigstellungsgrad: 66,8 %; Durchschnittlicher Verlust: 3,0923 Iteration: 2674; Fertigstellungsgrad: 66,8 %; Durchschnittlicher Verlust: 2,8226 Iteration: 2675; Fertigstellungsgrad: 66,9 %; Durchschnittlicher Verlust: 2,9602 Iteration: 2676; Fertigstellungsgrad: 66,9 %; Durchschnittlicher Verlust: 2,9431 Iteration: 2677; Fertigstellungsgrad: 66,9 %; Durchschnittlicher Verlust: 2,9174 Iteration: 2678; Fertigstellungsgrad: 67,0 %; Durchschnittlicher Verlust: 2,9096 Iteration: 2679; Fertigstellungsgrad: 67,0 %; Durchschnittlicher Verlust: 2,7657 Iteration: 2680; Fertigstellungsgrad: 67,0 %; Durchschnittlicher Verlust: 3,0630 Iteration: 2681; Fertigstellungsgrad: 67,0 %; Durchschnittlicher Verlust: 2,7392
Iteration: 2682; Percent complete: 67.0%; Average loss: 2.9533
Iteration: 2683; Percent complete: 67.1%; Average loss: 2.8859
Iteration: 2684; Percent complete: 67.1%; Average loss: 2.9039
Iteration: 2685; Percent complete: 67.1%; Average loss: 2.8336
Iteration: 2686; Percent complete: 67.2%; Average loss: 2.8811
Iteration: 2687; Percent complete: 67.2%; Average loss: 3.0752
Iteration: 2688; Percent complete: 67.2%; Average loss: 2.8744
Iteration: 2689; Percent complete: 67.2%; Average loss: 2.8814
Iteration: 2690; Percent complete: 67.2%; Average loss: 3.0468
Iteration: 2691; Percent complete: 67.3%; Average loss: 2.6993
Iteration: 2692; Percent complete: 67.3%; Average loss: 3.0364 Iteration: 2693; Fertigstellungsgrad: 67,3 %; Durchschnittlicher Verlust: 3,3457 Iteration: 2694; Fertigstellungsgrad: 67,3 %; Durchschnittlicher Verlust: 3,0691 Iteration: 2695; Fertigstellungsgrad: 67,4 %; Durchschnittlicher Verlust: 3,0665 Iteration: 2696; Fertigstellungsgrad: 67,4 %; Durchschnittlicher Verlust: 2,8923 Iteration: 2697; Fertigstellungsgrad: 67,4 %; Durchschnittlicher Verlust: 2,9253 Iteration: 2698; Fertigstellungsgrad: 67,5 %; Durchschnittlicher Verlust: 3,1286 Iteration: 2699; Fertigstellungsgrad: 67,5 %; Durchschnittlicher Verlust: 2,7347 Iteration: 2700; Fertigstellungsgrad: 67,5 %; Durchschnittlicher Verlust: 2,9066 Iteration: 2701; Fertigstellungsgrad: 67,5 %; Durchschnittlicher Verlust: 3,0351 Iteration: 2702; Fertigstellungsgrad: 67,5 %; Durchschnittlicher Verlust: 2,8359 Iteration: 2703; Fertigstellungsgrad: 67,6 %; Durchschnittlicher Verlust: 2,8236
Iteration: 2704; Percent complete: 67.6%; Average loss: 3.2896
Iteration: 2705; Percent complete: 67.6%; Average loss: 2.7712
Iteration: 2706; Percent complete: 67.7%; Average loss: 2.7662
Iteration: 2707; Percent complete: 67.7%; Average loss: 2.7613
Iteration: 2708; Percent complete: 67.7%; Average loss: 2.9348
Iteration: 2709; Percent complete: 67.7%; Average loss: 3.1444
Iteration: 2710; Percent complete: 67.8%; Average loss: 2.9050
Iteration: 2711; Percent complete: 67.8%; Average loss: 2.9515
Iteration: 2712; Percent complete: 67.8%; Average loss: 3.0379
Iteration: 2713; Percent complete: 67.8%; Average loss: 3.0263
Iteration: 2714; Percent complete: 67.8%; Average loss: 3.0578 Iteration: 2715; Prozentsatz abgeschlossen: 67,9 %; Durchschnittlicher Verlust: 3,0283 Iteration: 2716; Prozentsatz abgeschlossen: 67,9 %; Durchschnittlicher Verlust: 2,9111 Iteration: 2717; Prozentsatz abgeschlossen: 67,9 %; Durchschnittlicher Verlust: 2,6511 Iteration: 2718; Prozentsatz abgeschlossen: 68,0 %; Durchschnittlicher Verlust: 2,7859 Iteration: 2719; Prozentsatz abgeschlossen: 68,0 %; Durchschnittlicher Verlust: 2,8902 Iteration: 2720; Prozentsatz abgeschlossen: 68,0 %; Durchschnittlicher Verlust: 2,8789 Iteration: 2721; Prozentsatz abgeschlossen: 68,0 %; Durchschnittlicher Verlust: 2,9289 Iteration: 2722; Prozentsatz abgeschlossen: 68,0 %; Durchschnittlicher Verlust: 2,9644 Iteration: 2723; Fertigstellungsgrad: 68,1 %; Durchschnittlicher Verlust: 3,0896 Iteration: 2724; Fertigstellungsgrad: 68,1 %; Durchschnittlicher Verlust: 3,0791 Iteration: 2725; Fertigstellungsgrad: 68,1 %; Durchschnittlicher Verlust: 3,1497 Iteration: 2726; Fertigstellungsgrad: 68,2 %; Durchschnittlicher Verlust: 2,7770 Iteration: 2727; Fertigstellungsgrad: 68,2 %; Durchschnittlicher Verlust: 3,1052 Iteration: 2728; Fertigstellungsgrad: 68,2 %; Durchschnittlicher Verlust: 2,7897 Iteration: 2729; Fertigstellungsgrad: 68,2 %; Durchschnittlicher Verlust: 2,7800 Iteration: 2730; Fertigstellungsgrad: 68,2 %; Durchschnittlicher Verlust: 3,0559 Iteration: 2731; Fertigstellungsgrad: 68,3 %; Durchschnittlicher Verlust: 2,8990 Iteration: 2732; Fertigstellungsgrad: 68,3 %; Durchschnittlicher Verlust: 3,0887 Iteration: 2733; Fertigstellungsgrad: 68,3 %; Durchschnittlicher Verlust: 2,9491 Iteration: 2734; Fertigstellungsgrad: 68,3 %; Durchschnittlicher Verlust: 3,1293 Iteration: 2735; Fertigstellungsgrad: 68,4 %; Durchschnittlicher Verlust: 2,8100 Iteration: 2736; Fertigstellungsgrad: 68,4 %; Durchschnittlicher Verlust: 3,0628
Iteration: 2737; Percent complete: 68.4%; Average loss: 2.9040
Iteration: 2738; Percent complete: 68.5%; Average loss: 2.9025
Iteration: 2739; Percent complete: 68.5%; Average loss: 2.9551
Iteration: 2740; Percent complete: 68.5%; Average loss: 3.0432
Iteration: 2741; Percent complete: 68.5%; Average loss: 2.6855
Iteration: 2742; Percent complete: 68.5%; Average loss: 3.1136
Iteration: 2743; Percent complete: 68.6%; Average loss: 2.8243
Iteration: 2744; Percent complete: 68.6%; Average loss: 3.0773
Iteration: 2745; Percent complete: 68.6%; Average loss: 3.1913
Iteration: 2746; Percent complete: 68.7%; Average loss: 2.8263
Iteration: 2747; Percent complete: 68.7%; Average loss: 2.6228 Iteration: 2748; Fertigstellungsgrad: 68,7 %; Durchschnittlicher Verlust: 2,6747 Iteration: 2749; Fertigstellungsgrad: 68,7 %; Durchschnittlicher Verlust: 2,9337 Iteration: 2750; Fertigstellungsgrad: 68,8 %; Durchschnittlicher Verlust: 2,8996 Iteration: 2751; Fertigstellungsgrad: 68,8 %; Durchschnittlicher Verlust: 2,8538 Iteration: 2752; Fertigstellungsgrad: 68,8 %; Durchschnittlicher Verlust: 2,9855 Iteration: 2753; Fertigstellungsgrad: 68,8 %; Durchschnittlicher Verlust: 2,9175 Iteration: 2754; Fertigstellungsgrad: 68,8 %; Durchschnittlicher Verlust: 2,8772 Iteration: 2755; Fertigstellungsgrad: 68,9 %; Durchschnittlicher Verlust: 3,1281 Iteration: 2756; Fertigstellungsgrad: 68,9 %; Durchschnittlicher Verlust: 2,7937 Iteration: 2757; Fertigstellungsgrad: 68,9 %; Durchschnittlicher Verlust: 3,0514 Iteration: 2758; Fertigstellungsgrad: 69,0 %; Durchschnittlicher Verlust: 3,2295
Iteration: 2759; Percent complete: 69.0%; Average loss: 2.8074
Iteration: 2760; Percent complete: 69.0%; Average loss: 2.8993
Iteration: 2761; Percent complete: 69.0%; Average loss: 2.9323
Iteration: 2762; Percent complete: 69.0%; Average loss: 2.8051
Iteration: 2763; Percent complete: 69.1%; Average loss: 2.9703
Iteration: 2764; Percent complete: 69.1%; Average loss: 2.9206
Iteration: 2765; Percent complete: 69.1%; Average loss: 2.8816
Iteration: 2766; Percent complete: 69.2%; Average loss: 3.0397
Iteration: 2767; Percent complete: 69.2%; Average loss: 2.9311
Iteration: 2768; Percent complete: 69.2%; Average loss: 2.8098
Iteration: 2769; Percent complete: 69.2%; Average loss: 3.2060
Iteration: 2770; Percent complete: 69.2%; Average loss: 3.0123
Iteration: 2771; Percent complete: 69.3%; Average loss: 2.9479
Iteration: 2772; Percent complete: 69.3%; Average loss: 3.0342
Iteration: 2773; Percent complete: 69.3%; Average loss: 2.7490
Iteration: 2774; Percent complete: 69.3%; Average loss: 3.0704
Iteration: 2775; Percent complete: 69.4%; Average loss: 2.8406
Iteration: 2776; Percent complete: 69.4%; Average loss: 3.0020
Iteration: 2777; Percent complete: 69.4%; Average loss: 3.2553
Iteration: 2778; Percent complete: 69.5%; Average loss: 2.8699
Iteration: 2779; Percent complete: 69.5%; Average loss: 2.9673
Iteration: 2780; Percent complete: 69.5%; Average loss: 3.0152 Iteration: 2781; Fertigstellungsgrad: 69,5 %; Durchschnittlicher Verlust: 2,9098 Iteration: 2782; Fertigstellungsgrad: 69,5 %; Durchschnittlicher Verlust: 3,0996 Iteration: 2783; Fertigstellungsgrad: 69,6 %; Durchschnittlicher Verlust: 2,8998 Iteration: 2784; Fertigstellungsgrad: 69,6 %; Durchschnittlicher Verlust: 2,6669 Iteration: 2785; Fertigstellungsgrad: 69,6 %; Durchschnittlicher Verlust: 2,9219 Iteration: 2786; Prozentsatz abgeschlossen: 69,7 %; Durchschnittlicher Verlust: 3,0511 Iteration: 2787; Prozentsatz abgeschlossen: 69,7 %; Durchschnittlicher Verlust: 2,9774 Iteration: 2788; Prozentsatz abgeschlossen: 69,7 %; Durchschnittlicher Verlust: 2,8367 Iteration: 2789; Prozentsatz abgeschlossen: 69,7 %; Durchschnittlicher Verlust: 2,9668 Iteration: 2790; Fertigstellungsgrad: 69,8 %; Durchschnittlicher Verlust: 2,9426 Iteration: 2791; Fertigstellungsgrad: 69,8 %; Durchschnittlicher Verlust: 2,9635 Iteration: 2792; Fertigstellungsgrad: 69,8 %; Durchschnittlicher Verlust: 3,0329 Iteration: 2793; Fertigstellungsgrad: 69,8 %; Durchschnittlicher Verlust: 2,9420 Iteration: 2794; Fertigstellungsgrad: 69,8 %; Durchschnittlicher Verlust: 3,0063 Iteration: 2795; Fertigstellungsgrad: 69,9 %; Durchschnittlicher Verlust: 2,8806 Iteration: 2796; Fertigstellungsgrad: 69,9 %; Durchschnittlicher Verlust: 2,9448 Iteration: 2797; Fertigstellungsgrad: 69,9 %; Durchschnittlicher Verlust: 3,1839 Iteration: 2798; Fertigstellungsgrad: 70,0 %; Durchschnittlicher Verlust: 2,7731 Iteration: 2799; Fertigstellungsgrad: 70,0 %; Durchschnittlicher Verlust: 3,0173 Iteration: 2800; Fertigstellungsgrad: 70,0 %; Durchschnittlicher Verlust: 3,0754 Iteration: 2801; Fertigstellungsgrad: 70,0 %; Durchschnittlicher Verlust: 2,9319 Iteration: 2802; Fertigstellungsgrad: 70,0 %; Durchschnittlicher Verlust: 2,9510 Iteration: 2803; Fertigstellungsgrad: 70,1 %; Durchschnittlicher Verlust: 2,8086 Iteration: 2804; Fertigstellungsgrad: 70,1 %; Durchschnittlicher Verlust: 2,7560 Iteration: 2805; Fertigstellungsgrad: 70,1 %; Durchschnittlicher Verlust: 2,7977 Iteration: 2806; Fertigstellungsgrad: 70,2 %; Durchschnittlicher Verlust: 2,9799 Iteration: 2807; Fertigstellungsgrad: 70,2 %; Durchschnittlicher Verlust: 2,9387 Iteration: 2808; Fertigstellungsgrad: 70,2 %; Durchschnittlicher Verlust: 3,0709 Iteration: 2809; Fertigstellungsgrad: 70,2 %; Durchschnittlicher Verlust: 2,8732 Iteration: 2810; Fertigstellungsgrad: 70,2 %; Durchschnittlicher Verlust: 2,7635 Iteration: 2811; Fertigstellungsgrad: 70,3 %; Durchschnittlicher Verlust: 3,1909 Iteration: 2812; Fertigstellungsgrad: 70,3 %; Durchschnittlicher Verlust: 2,6149 Iteration: 2813; Fertigstellungsgrad: 70,3 %; Durchschnittlicher Verlust: 2,7763 Iteration: 2814; Fertigstellungsgrad: 70,3 %; Durchschnittlicher Verlust: 2,8487 Iteration: 2815; Prozentsatz abgeschlossen: 70,4 %; Durchschnittlicher Verlust: 2,9606 Iteration: 2816; Prozentsatz abgeschlossen: 70,4 %; Durchschnittlicher Verlust: 2,9671 Iteration: 2817; Prozentsatz abgeschlossen: 70,4 %; Durchschnittlicher Verlust: 3,0499 Iteration: 2818; Fertigstellungsgrad: 70,5 %; Durchschnittlicher Verlust: 2,9161 Iteration: 2819; Fertigstellungsgrad: 70,5 %; Durchschnittlicher Verlust: 2,8150 Iteration: 2820; Fertigstellungsgrad: 70,5 %; Durchschnittlicher Verlust: 2,8929 Iteration: 2821; Fertigstellungsgrad: 70,5 %; Durchschnittlicher Verlust: 2,7976 Iteration: 2822; Fertigstellungsgrad: 70,5 %; Durchschnittlicher Verlust: 2,9606 Iteration: 2823; Fertigstellungsgrad: 70,6 %; Durchschnittlicher Verlust: 3,0420 Iteration: 2824; Fertigstellungsgrad: 70,6 %; Durchschnittlicher Verlust: 3,0610 Iteration: 2825; Fertigstellungsgrad: 70,6 %; Durchschnittlicher Verlust: 2,7344 Iteration: 2826; Prozentsatz abgeschlossen: 70,7 %; Durchschnittlicher Verlust: 2,9405 Iteration: 2827; Prozentsatz abgeschlossen: 70,7 %; Durchschnittlicher Verlust: 2,7650 Iteration: 2828; Prozentsatz abgeschlossen: 70,7 %; Durchschnittlicher Verlust: 2,8716 Iteration: 2829; Prozentsatz abgeschlossen: 70,7 %; Durchschnittlicher Verlust: 2,7894 Iteration: 2830; Prozentsatz abgeschlossen: 70,8 %; Durchschnittlicher Verlust: 2,7876 Iteration: 2831; Prozentsatz abgeschlossen: 70,8 %; Durchschnittlicher Verlust: 2,6531 Iteration: 2832; Prozentsatz abgeschlossen: 70,8 %; Durchschnittlicher Verlust: 2,6075 Iteration: 2833; Prozentsatz abgeschlossen: 70,8 %; Durchschnittlicher Verlust: 2,9735 Iteration: 2834; Fertigstellungsgrad: 70,9 %; Durchschnittlicher Verlust: 2,9563 Iteration: 2835; Fertigstellungsgrad: 70,9 %; Durchschnittlicher Verlust: 2,8260 Iteration: 2836; Fertigstellungsgrad: 70,9 %; Durchschnittlicher Verlust: 3,0925 Iteration: 2837; Fertigstellungsgrad: 70,9 %; Durchschnittlicher Verlust: 2,7571 Iteration: 2838; Fertigstellungsgrad: 71,0 %; Durchschnittlicher Verlust: 2,7115 Iteration: 2839; Fertigstellungsgrad: 71,0 %; Durchschnittlicher Verlust: 2,8734 Iteration: 2840; Fertigstellungsgrad: 71,0 %; Durchschnittlicher Verlust: 2,8697 Iteration: 2841; Fertigstellungsgrad: 71,0 %; Durchschnittlicher Verlust: 2,8601 Iteration: 2842; Fertigstellungsgrad: 71,0 %; Durchschnittlicher Verlust: 2,8507 Iteration: 2843; Fertigstellungsgrad: 71,1 %; Durchschnittlicher Verlust: 2,9071 Iteration: 2844; Fertigstellungsgrad: 71,1 %; Durchschnittlicher Verlust: 3,1631 Iteration: 2845; Fertigstellungsgrad: 71,1 %; Durchschnittlicher Verlust: 2,9049 Iteration: 2846; Fertigstellungsgrad: 71,2 %; Durchschnittlicher Verlust: 2,8842 Iteration: 2847; Fertigstellungsgrad: 71,2 %; Durchschnittlicher Verlust: 3,0264 Iteration: 2848; Fertigstellungsgrad: 71,2 %; Durchschnittlicher Verlust: 3,3051 Iteration: 2849; Fertigstellungsgrad: 71,2 %; Durchschnittlicher Verlust: 3,0651 Iteration: 2850; Fertigstellungsgrad: 71,2 %; Durchschnittlicher Verlust: 2,8498 Iteration: 2851; Fertigstellungsgrad: 71,3 %; Durchschnittlicher Verlust: 3,1002 Iteration: 2852; Fertigstellungsgrad: 71,3 %; Durchschnittlicher Verlust: 2,8427 Iteration: 2853; Fertigstellungsgrad: 71,3 %; Durchschnittlicher Verlust: 2,9740 Iteration: 2854; Fertigstellungsgrad: 71,4 %; Durchschnittlicher Verlust: 2,9746 Iteration: 2855; Fertigstellungsgrad: 71,4 %; Durchschnittlicher Verlust: 2,8732 Iteration: 2856; Fertigstellungsgrad: 71,4 %; Durchschnittlicher Verlust: 2,7279 Iteration: 2857; Fertigstellungsgrad: 71,4 %; Durchschnittlicher Verlust: 3,1034
Iteration: 2858; Percent complete: 71.5%; Average loss: 2.9281
Iteration: 2859; Percent complete: 71.5%; Average loss: 3.1023
Iteration: 2860; Percent complete: 71.5%; Average loss: 2.9999
Iteration: 2861; Percent complete: 71.5%; Average loss: 2.8239
Iteration: 2862; Percent complete: 71.5%; Average loss: 2.9745
Iteration: 2863; Percent complete: 71.6%; Average loss: 2.6461
Iteration: 2864; Percent complete: 71.6%; Average loss: 2.9835
Iteration: 2865; Percent complete: 71.6%; Average loss: 2.9394
Iteration: 2866; Percent complete: 71.7%; Average loss: 3.1531
Iteration: 2867; Percent complete: 71.7%; Average loss: 2.6448
Iteration: 2868; Percent complete: 71.7%; Average loss: 2.9850
Iteration: 2869; Percent complete: 71.7%; Average loss: 2.6996
Iteration: 2870; Percent complete: 71.8%; Average loss: 2.8735
Iteration: 2871; Percent complete: 71.8%; Average loss: 2.8405
Iteration: 2872; Percent complete: 71.8%; Average loss: 2.6348
Iteration: 2873; Percent complete: 71.8%; Average loss: 2.9328
Iteration: 2874; Percent complete: 71.9%; Average loss: 2.9802
Iteration: 2875; Percent complete: 71.9%; Average loss: 2.8764
Iteration: 2876; Percent complete: 71.9%; Average loss: 2.9751
Iteration: 2877; Percent complete: 71.9%; Average loss: 2.7779
Iteration: 2878; Percent complete: 72.0%; Average loss: 3.1414
Iteration: 2879; Percent complete: 72.0%; Average loss: 2.9030 Iteration: 2880; Fertigstellungsgrad: 72,0 %; Durchschnittlicher Verlust: 3,0445 Iteration: 2881; Fertigstellungsgrad: 72,0 %; Durchschnittlicher Verlust: 2,7660 Iteration: 2882; Fertigstellungsgrad: 72,0 %; Durchschnittlicher Verlust: 2,8299 Iteration: 2883; Fertigstellungsgrad: 72,1 %; Durchschnittlicher Verlust: 2,9405 Iteration: 2884; Fertigstellungsgrad: 72,1 %; Durchschnittlicher Verlust: 2,6777 Iteration: 2885; Fertigstellungsgrad: 72,1 %; Durchschnittlicher Verlust: 2,9782 Iteration: 2886; Fertigstellungsgrad: 72,2 %; Durchschnittlicher Verlust: 3,2044 Iteration: 2887; Fertigstellungsgrad: 72,2 %; Durchschnittlicher Verlust: 2,7055 Iteration: 2888; Fertigstellungsgrad: 72,2 %; Durchschnittlicher Verlust: 2,6670 Iteration: 2889; Fertigstellungsgrad: 72,2 %; Durchschnittlicher Verlust: 3,0082 Iteration: 2890; Fertigstellungsgrad: 72,2 %; Durchschnittlicher Verlust: 2,8225
Iteration: 2891; Percent complete: 72.3%; Average loss: 2.9088
Iteration: 2892; Percent complete: 72.3%; Average loss: 2.8167
Iteration: 2893; Percent complete: 72.3%; Average loss: 3.0628
Iteration: 2894; Percent complete: 72.4%; Average loss: 3.0006
Iteration: 2895; Percent complete: 72.4%; Average loss: 3.0637
Iteration: 2896; Percent complete: 72.4%; Average loss: 3.0144
Iteration: 2897; Percent complete: 72.4%; Average loss: 3.0548
Iteration: 2898; Percent complete: 72.5%; Average loss: 2.8918
Iteration: 2899; Percent complete: 72.5%; Average loss: 2.9062
Iteration: 2900; Percent complete: 72.5%; Average loss: 2.6467
Iteration: 2901; Percent complete: 72.5%; Average loss: 2.9629
Iteration: 2902; Percent complete: 72.5%; Average loss: 2.8660
Iteration: 2903; Percent complete: 72.6%; Average loss: 3.0495
Iteration: 2904; Percent complete: 72.6%; Average loss: 2.8643
Iteration: 2905; Percent complete: 72.6%; Average loss: 2.8103
Iteration: 2906; Percent complete: 72.7%; Average loss: 2.8733
Iteration: 2907; Percent complete: 72.7%; Average loss: 2.8818
Iteration: 2908; Percent complete: 72.7%; Average loss: 2.6980
Iteration: 2909; Percent complete: 72.7%; Average loss: 3.0065
Iteration: 2910; Percent complete: 72.8%; Average loss: 2.9861
Iteration: 2911; Percent complete: 72.8%; Average loss: 2.9519
Iteration: 2912; Percent complete: 72.8%; Average loss: 2.7734
Iteration: 2913; Percent complete: 72.8%; Average loss: 2.9950
Iteration: 2914; Percent complete: 72.9%; Average loss: 2.9318
Iteration: 2915; Percent complete: 72.9%; Average loss: 2.9005
Iteration: 2916; Percent complete: 72.9%; Average loss: 2.7580
Iteration: 2917; Percent complete: 72.9%; Average loss: 2.6947
Iteration: 2918; Percent complete: 73.0%; Average loss: 2.8509
Iteration: 2919; Percent complete: 73.0%; Average loss: 2.9080
Iteration: 2920; Percent complete: 73.0%; Average loss: 2.8826
Iteration: 2921; Percent complete: 73.0%; Average loss: 2.6888
Iteration: 2922; Percent complete: 73.0%; Average loss: 2.6103
Iteration: 2923; Percent complete: 73.1%; Average loss: 3.0272 Iteration: 2924; Fertigstellungsgrad: 73,1 %; Durchschnittlicher Verlust: 2,8656 Iteration: 2925; Fertigstellungsgrad: 73,1 %; Durchschnittlicher Verlust: 3,0559 Iteration: 2926; Fertigstellungsgrad: 73,2 %; Durchschnittlicher Verlust: 2,9893 Iteration: 2927; Fertigstellungsgrad: 73,2 %; Durchschnittlicher Verlust: 2,9656 Iteration: 2928; Fertigstellungsgrad: 73,2 %; Durchschnittlicher Verlust: 3,0029 Iteration: 2929; Fertigstellungsgrad: 73,2 %; Durchschnittlicher Verlust: 2,8631 Iteration: 2930; Fertigstellungsgrad: 73,2 %; Durchschnittlicher Verlust: 2,7385 Iteration: 2931; Fertigstellungsgrad: 73,3 %; Durchschnittlicher Verlust: 2,9353 Iteration: 2932; Fertigstellungsgrad: 73,3 %; Durchschnittlicher Verlust: 2,7064 Iteration: 2933; Fertigstellungsgrad: 73,3 %; Durchschnittlicher Verlust: 2,7958 Iteration: 2934; Prozentsatz abgeschlossen: 73,4 %; Durchschnittlicher Verlust: 2,9631 Iteration: 2935; Prozentsatz abgeschlossen: 73,4 %; Durchschnittlicher Verlust: 2,9521 Iteration: 2936; Prozentsatz abgeschlossen: 73,4 %; Durchschnittlicher Verlust: 2,7764 Iteration: 2937; Prozentsatz abgeschlossen: 73,4 %; Durchschnittlicher Verlust: 2,7716 Iteration: 2938; Fertigstellungsgrad: 73,5 %; Durchschnittlicher Verlust: 2,9591 Iteration: 2939; Fertigstellungsgrad: 73,5 %; Durchschnittlicher Verlust: 2,9168 Iteration: 2940; Fertigstellungsgrad: 73,5 %; Durchschnittlicher Verlust: 2,8270 Iteration: 2941; Fertigstellungsgrad: 73,5 %; Durchschnittlicher Verlust: 2,7511 Iteration: 2942; Prozentsatz abgeschlossen: 73,6 %; Durchschnittlicher Verlust: 2,7074 Iteration: 2943; Prozentsatz abgeschlossen: 73,6 %; Durchschnittlicher Verlust: 2,8905 Iteration: 2944; Prozentsatz abgeschlossen: 73,6 %; Durchschnittlicher Verlust: 2,7952 Iteration: 2945; Prozentsatz abgeschlossen: 73,6 %; Durchschnittlicher Verlust: 2,6676
Iteration: 2946; Percent complete: 73.7%; Average loss: 2.8904
Iteration: 2947; Percent complete: 73.7%; Average loss: 2.8571
Iteration: 2948; Percent complete: 73.7%; Average loss: 3.0336
Iteration: 2949; Percent complete: 73.7%; Average loss: 2.8534
Iteration: 2950; Percent complete: 73.8%; Average loss: 2.8264
Iteration: 2951; Percent complete: 73.8%; Average loss: 2.8189
Iteration: 2952; Percent complete: 73.8%; Average loss: 2.8780
Iteration: 2953; Percent complete: 73.8%; Average loss: 2.8670
Iteration: 2954; Percent complete: 73.9%; Average loss: 2.6855
Iteration: 2955; Percent complete: 73.9%; Average loss: 2.8326
Iteration: 2956; Percent complete: 73.9%; Average loss: 2.9385 Iteration: 2957; Prozentsatz abgeschlossen: 73,9 %; Durchschnittlicher Verlust: 2,8377 Iteration: 2958; Prozentsatz abgeschlossen: 74,0 %; Durchschnittlicher Verlust: 2,7470 Iteration: 2959; Prozentsatz abgeschlossen: 74,0 %; Durchschnittlicher Verlust: 2,7453 Iteration: 2960; Prozentsatz abgeschlossen: 74,0 %; Durchschnittlicher Verlust: 2,9980 Iteration: 2961; Prozentsatz abgeschlossen: 74,0 %; Durchschnittlicher Verlust: 2,7691 Iteration: 2962; Fertigstellungsgrad: 74,1 %; Durchschnittlicher Verlust: 2,7939 Iteration: 2963; Fertigstellungsgrad: 74,1 %; Durchschnittlicher Verlust: 2,8768 Iteration: 2964; Fertigstellungsgrad: 74,1 %; Durchschnittlicher Verlust: 2,8439 Iteration: 2965; Fertigstellungsgrad: 74,1 %; Durchschnittlicher Verlust: 2,9102 Iteration: 2966; Prozentsatz abgeschlossen: 74,2 %; Durchschnittlicher Verlust: 2,9781 Iteration: 2967; Prozentsatz abgeschlossen: 74,2 %; Durchschnittlicher Verlust: 2,9837
Iteration: 2968; Percent complete: 74.2%; Average loss: 2.8725
Iteration: 2969; Percent complete: 74.2%; Average loss: 2.7214
Iteration: 2970; Percent complete: 74.2%; Average loss: 2.7303
Iteration: 2971; Percent complete: 74.3%; Average loss: 2.6839
Iteration: 2972; Percent complete: 74.3%; Average loss: 2.7410
Iteration: 2973; Percent complete: 74.3%; Average loss: 2.6838
Iteration: 2974; Percent complete: 74.4%; Average loss: 2.8844
Iteration: 2975; Percent complete: 74.4%; Average loss: 2.7657
Iteration: 2976; Percent complete: 74.4%; Average loss: 3.0007
Iteration: 2977; Percent complete: 74.4%; Average loss: 2.7683
Iteration: 2978; Percent complete: 74.5%; Average loss: 2.7754
Iteration: 2979; Percent complete: 74.5%; Average loss: 2.9418
Iteration: 2980; Percent complete: 74.5%; Average loss: 2.9081
Iteration: 2981; Percent complete: 74.5%; Average loss: 2.6613
Iteration: 2982; Percent complete: 74.6%; Average loss: 2.9718
Iteration: 2983; Percent complete: 74.6%; Average loss: 2.9895
Iteration: 2984; Percent complete: 74.6%; Average loss: 2.9702
Iteration: 2985; Percent complete: 74.6%; Average loss: 2.7908
Iteration: 2986; Percent complete: 74.7%; Average loss: 2.8434
Iteration: 2987; Percent complete: 74.7%; Average loss: 2.7384
Iteration: 2988; Percent complete: 74.7%; Average loss: 2.8005
Iteration: 2989; Percent complete: 74.7%; Average loss: 2.7824
Iteration: 2990; Percent complete: 74.8%; Average loss: 3.1291
Iteration: 2991; Percent complete: 74.8%; Average loss: 3.1140
Iteration: 2992; Percent complete: 74.8%; Average loss: 2.6581
Iteration: 2993; Percent complete: 74.8%; Average loss: 2.9030
Iteration: 2994; Percent complete: 74.9%; Average loss: 2.9360
Iteration: 2995; Percent complete: 74.9%; Average loss: 2.7942
Iteration: 2996; Percent complete: 74.9%; Average loss: 3.0128
Iteration: 2997; Percent complete: 74.9%; Average loss: 2.8045
Iteration: 2998; Percent complete: 75.0%; Average loss: 2.9057
Iteration: 2999; Percent complete: 75.0%; Average loss: 2.9687
Iteration: 3000; Percent complete: 75.0%; Average loss: 2.7950
Iteration: 3001; Percent complete: 75.0%; Average loss: 3.0979
Iteration: 3002; Percent complete: 75.0%; Average loss: 2.8560
Iteration: 3003; Percent complete: 75.1%; Average loss: 2.8208
Iteration: 3004; Percent complete: 75.1%; Average loss: 2.9010
Iteration: 3005; Percent complete: 75.1%; Average loss: 2.9888
Iteration: 3006; Percent complete: 75.1%; Average loss: 3.0923
Iteration: 3007; Percent complete: 75.2%; Average loss: 2.7891
Iteration: 3008; Percent complete: 75.2%; Average loss: 2.7827
Iteration: 3009; Percent complete: 75.2%; Average loss: 3.0056
Iteration: 3010; Percent complete: 75.2%; Average loss: 2.6493
Iteration: 3011; Percent complete: 75.3%; Average loss: 2.9089
Iteration: 3012; Percent complete: 75.3%; Average loss: 3.0040
Iteration: 3013; Percent complete: 75.3%; Average loss: 2.7856
Iteration: 3014; Percent complete: 75.3%; Average loss: 2.8520
Iteration: 3015; Percent complete: 75.4%; Average loss: 2.8815
Iteration: 3016; Percent complete: 75.4%; Average loss: 2.9201
Iteration: 3017; Percent complete: 75.4%; Average loss: 2.9489
Iteration: 3018; Percent complete: 75.4%; Average loss: 3.1400
Iteration: 3019; Percent complete: 75.5%; Average loss: 2.7049
Iteration: 3020; Percent complete: 75.5%; Average loss: 2.6831
Iteration: 3021; Percent complete: 75.5%; Average loss: 2.9212
Iteration: 3022; Percent complete: 75.5%; Average loss: 2.7993 Iteration: 3023; Fertigstellungsgrad: 75,6 %; Durchschnittlicher Verlust: 2,9870 Iteration: 3024; Fertigstellungsgrad: 75,6 %; Durchschnittlicher Verlust: 3,0753 Iteration: 3025; Fertigstellungsgrad: 75,6 %; Durchschnittlicher Verlust: 2,8577 Iteration: 3026; Fertigstellungsgrad: 75,6 %; Durchschnittlicher Verlust: 2,9678 Iteration: 3027; Fertigstellungsgrad: 75,7 %; Durchschnittlicher Verlust: 2,9237 Iteration: 3028; Fertigstellungsgrad: 75,7 %; Durchschnittlicher Verlust: 2,7608 Iteration: 3029; Fertigstellungsgrad: 75,7 %; Durchschnittlicher Verlust: 2,8617 Iteration: 3030; Fertigstellungsgrad: 75,8 %; Durchschnittlicher Verlust: 2,7351 Iteration: 3031; Fertigstellungsgrad: 75,8 %; Durchschnittlicher Verlust: 2,7582 Iteration: 3032; Fertigstellungsgrad: 75,8 %; Durchschnittlicher Verlust: 2,9949 Iteration: 3033; Fertigstellungsgrad: 75,8 %; Durchschnittlicher Verlust: 2,7493
Iteration: 3034; Percent complete: 75.8%; Average loss: 2.9363
Iteration: 3035; Percent complete: 75.9%; Average loss: 2.6651
Iteration: 3036; Percent complete: 75.9%; Average loss: 2.6201
Iteration: 3037; Percent complete: 75.9%; Average loss: 2.9805
Iteration: 3038; Percent complete: 75.9%; Average loss: 2.5554
Iteration: 3039; Percent complete: 76.0%; Average loss: 2.9647
Iteration: 3040; Percent complete: 76.0%; Average loss: 2.7370
Iteration: 3041; Percent complete: 76.0%; Average loss: 2.8865
Iteration: 3042; Percent complete: 76.0%; Average loss: 2.7523
Iteration: 3043; Percent complete: 76.1%; Average loss: 2.8022
Iteration: 3044; Percent complete: 76.1%; Average loss: 3.1104 Iteration: 3045; Fertigstellungsgrad: 76,1 %; Durchschnittlicher Verlust: 3,0355 Iteration: 3046; Fertigstellungsgrad: 76,1 %; Durchschnittlicher Verlust: 3,0842 Iteration: 3047; Prozentsatz abgeschlossen: 76,2 %; Durchschnittlicher Verlust: 2,8329 Iteration: 3048; Prozentsatz abgeschlossen: 76,2 %; Durchschnittlicher Verlust: 2,5439 Iteration: 3049; Prozentsatz abgeschlossen: 76,2 %; Durchschnittlicher Verlust: 3,0823 Iteration: 3050; Prozentsatz abgeschlossen: 76,2 %; Durchschnittlicher Verlust: 3,0757 Iteration: 3051; Prozentsatz abgeschlossen: 76,3 %; Durchschnittlicher Verlust: 3,0922 Iteration: 3052; Prozentsatz abgeschlossen: 76,3 %; Durchschnittlicher Verlust: 2,7747 Iteration: 3053; Prozentsatz abgeschlossen: 76,3 %; Durchschnittlicher Verlust: 2,9779 Iteration: 3054; Prozentsatz abgeschlossen: 76,3 %; Durchschnittlicher Verlust: 2,8833 Iteration: 3055; Fertigstellungsgrad: 76,4 %; Durchschnittlicher Verlust: 2,7734
Iteration: 3056; Percent complete: 76.4%; Average loss: 3.0928
Iteration: 3057; Percent complete: 76.4%; Average loss: 2.9566
Iteration: 3058; Percent complete: 76.4%; Average loss: 2.8484
Iteration: 3059; Percent complete: 76.5%; Average loss: 2.8120
Iteration: 3060; Percent complete: 76.5%; Average loss: 2.6526
Iteration: 3061; Percent complete: 76.5%; Average loss: 3.0492
Iteration: 3062; Percent complete: 76.5%; Average loss: 2.8233
Iteration: 3063; Percent complete: 76.6%; Average loss: 2.9126
Iteration: 3064; Percent complete: 76.6%; Average loss: 2.7894
Iteration: 3065; Percent complete: 76.6%; Average loss: 2.8252
Iteration: 3066; Percent complete: 76.6%; Average loss: 2.8729 Iteration: 3067; Fertigstellungsgrad: 76,7 %; Durchschnittlicher Verlust: 2,8385 Iteration: 3068; Fertigstellungsgrad: 76,7 %; Durchschnittlicher Verlust: 2,8218 Iteration: 3069; Fertigstellungsgrad: 76,7 %; Durchschnittlicher Verlust: 2,7631 Iteration: 3070; Fertigstellungsgrad: 76,8 %; Durchschnittlicher Verlust: 2,8235 Iteration: 3071; Fertigstellungsgrad: 76,8 %; Durchschnittlicher Verlust: 2,7714 Iteration: 3072; Fertigstellungsgrad: 76,8 %; Durchschnittlicher Verlust: 3,0605 Iteration: 3073; Fertigstellungsgrad: 76,8 %; Durchschnittlicher Verlust: 2,9724 Iteration: 3074; Fertigstellungsgrad: 76,8 %; Durchschnittlicher Verlust: 2,7732 Iteration: 3075; Fertigstellungsgrad: 76,9 %; Durchschnittlicher Verlust: 2,8887 Iteration: 3076; Fertigstellungsgrad: 76,9 %; Durchschnittlicher Verlust: 2,7575 Iteration: 3077; Fertigstellungsgrad: 76,9 %; Durchschnittlicher Verlust: 2,7968
Iteration: 3078; Percent complete: 77.0%; Average loss: 2.8895
Iteration: 3079; Percent complete: 77.0%; Average loss: 2.9905
Iteration: 3080; Percent complete: 77.0%; Average loss: 2.8044
Iteration: 3081; Percent complete: 77.0%; Average loss: 2.9526
Iteration: 3082; Percent complete: 77.0%; Average loss: 2.5864
Iteration: 3083; Percent complete: 77.1%; Average loss: 2.9612
Iteration: 3084; Percent complete: 77.1%; Average loss: 2.9876
Iteration: 3085; Percent complete: 77.1%; Average loss: 2.8911
Iteration: 3086; Percent complete: 77.1%; Average loss: 2.8401
Iteration: 3087; Percent complete: 77.2%; Average loss: 2.8640
Iteration: 3088; Percent complete: 77.2%; Average loss: 2.8821 Iteration: 3089; Fertigstellungsgrad: 77,2 %; Durchschnittlicher Verlust: 2,6638 Iteration: 3090; Fertigstellungsgrad: 77,2 %; Durchschnittlicher Verlust: 2,8038 Iteration: 3091; Fertigstellungsgrad: 77,3 %; Durchschnittlicher Verlust: 2,7707 Iteration: 3092; Fertigstellungsgrad: 77,3 %; Durchschnittlicher Verlust: 2,6988 Iteration: 3093; Fertigstellungsgrad: 77,3 %; Durchschnittlicher Verlust: 2,8855 Iteration: 3094; Fertigstellungsgrad: 77,3 %; Durchschnittlicher Verlust: 2,6391 Iteration: 3095; Fertigstellungsgrad: 77,4 %; Durchschnittlicher Verlust: 2,7761 Iteration: 3096; Fertigstellungsgrad: 77,4 %; Durchschnittlicher Verlust: 2,7997 Iteration: 3097; Fertigstellungsgrad: 77,4 %; Durchschnittlicher Verlust: 2,7666 Iteration: 3098; Fertigstellungsgrad: 77,5 %; Durchschnittlicher Verlust: 2,8814 Iteration: 3099; Fertigstellungsgrad: 77,5 %; Durchschnittlicher Verlust: 2,6656
Iteration: 3100; Percent complete: 77.5%; Average loss: 2.9670
Iteration: 3101; Percent complete: 77.5%; Average loss: 2.6348
Iteration: 3102; Percent complete: 77.5%; Average loss: 2.8028
Iteration: 3103; Percent complete: 77.6%; Average loss: 2.7795
Iteration: 3104; Percent complete: 77.6%; Average loss: 2.8384
Iteration: 3105; Percent complete: 77.6%; Average loss: 3.0241
Iteration: 3106; Percent complete: 77.6%; Average loss: 3.0847
Iteration: 3107; Percent complete: 77.7%; Average loss: 2.7715
Iteration: 3108; Percent complete: 77.7%; Average loss: 2.7053
Iteration: 3109; Percent complete: 77.7%; Average loss: 3.0693
Iteration: 3110; Percent complete: 77.8%; Average loss: 2.7329
Iteration: 3111; Percent complete: 77.8%; Average loss: 2.7823
Iteration: 3112; Percent complete: 77.8%; Average loss: 3.0488
Iteration: 3113; Percent complete: 77.8%; Average loss: 2.9797
Iteration: 3114; Percent complete: 77.8%; Average loss: 2.8829
Iteration: 3115; Percent complete: 77.9%; Average loss: 2.9516
Iteration: 3116; Percent complete: 77.9%; Average loss: 2.8601
Iteration: 3117; Percent complete: 77.9%; Average loss: 2.8856
Iteration: 3118; Percent complete: 78.0%; Average loss: 2.7686
Iteration: 3119; Percent complete: 78.0%; Average loss: 2.7822
Iteration: 3120; Percent complete: 78.0%; Average loss: 3.1027
Iteration: 3121; Percent complete: 78.0%; Average loss: 2.8675 Iteration: 3122; Fertigstellungsgrad: 78,0 %; Durchschnittlicher Verlust: 2,8810 Iteration: 3123; Fertigstellungsgrad: 78,1 %; Durchschnittlicher Verlust: 2,6273 Iteration: 3124; Fertigstellungsgrad: 78,1 %; Durchschnittlicher Verlust: 2,9783 Iteration: 3125; Fertigstellungsgrad: 78,1 %; Durchschnittlicher Verlust: 2,9352 Iteration: 3126; Fertigstellungsgrad: 78,1 %; Durchschnittlicher Verlust: 2,9763 Iteration: 3127; Fertigstellungsgrad: 78,2 %; Durchschnittlicher Verlust: 2,5655 Iteration: 3128; Fertigstellungsgrad: 78,2 %; Durchschnittlicher Verlust: 2,9364 Iteration: 3129; Fertigstellungsgrad: 78,2 %; Durchschnittlicher Verlust: 2,7606 Iteration: 3130; Fertigstellungsgrad: 78,2 %; Durchschnittlicher Verlust: 2,9881 Iteration: 3131; Fertigstellungsgrad: 78,3 %; Durchschnittlicher Verlust: 2,8544 Iteration: 3132; Fertigstellungsgrad: 78,3 %; Durchschnittlicher Verlust: 2,7054 Iteration: 3133; Fertigstellungsgrad: 78,3 %; Durchschnittlicher Verlust: 2,6495 Iteration: 3134; Fertigstellungsgrad: 78,3 %; Durchschnittlicher Verlust: 2,9616 Iteration: 3135; Fertigstellungsgrad: 78,4 %; Durchschnittlicher Verlust: 2,7140 Iteration: 3136; Fertigstellungsgrad: 78,4 %; Durchschnittlicher Verlust: 2,5602 Iteration: 3137; Fertigstellungsgrad: 78,4 %; Durchschnittlicher Verlust: 2,8600 Iteration: 3138; Fertigstellungsgrad: 78,5 %; Durchschnittlicher Verlust: 2,9266 Iteration: 3139; Fertigstellungsgrad: 78,5 %; Durchschnittlicher Verlust: 2,7949 Iteration: 3140; Fertigstellungsgrad: 78,5 %; Durchschnittlicher Verlust: 2,8710 Iteration: 3141; Fertigstellungsgrad: 78,5 %; Durchschnittlicher Verlust: 2,6866 Iteration: 3142; Fertigstellungsgrad: 78,5 %; Durchschnittlicher Verlust: 2,7120 Iteration: 3143; Fertigstellungsgrad: 78,6 %; Durchschnittlicher Verlust: 2,7020
Iteration: 3144; Percent complete: 78.6%; Average loss: 2.9507
Iteration: 3145; Percent complete: 78.6%; Average loss: 2.8417
Iteration: 3146; Percent complete: 78.6%; Average loss: 3.0305
Iteration: 3147; Percent complete: 78.7%; Average loss: 2.7897
Iteration: 3148; Percent complete: 78.7%; Average loss: 2.8635
Iteration: 3149; Percent complete: 78.7%; Average loss: 2.7452
Iteration: 3150; Percent complete: 78.8%; Average loss: 2.8818
Iteration: 3151; Percent complete: 78.8%; Average loss: 2.9060
Iteration: 3152; Percent complete: 78.8%; Average loss: 2.9719
Iteration: 3153; Percent complete: 78.8%; Average loss: 2.8219
Iteration: 3154; Percent complete: 78.8%; Average loss: 2.9910 Iteration: 3155; Fertigstellungsgrad: 78,9 %; Durchschnittlicher Verlust: 2,6852 Iteration: 3156; Fertigstellungsgrad: 78,9 %; Durchschnittlicher Verlust: 2,7237 Iteration: 3157; Fertigstellungsgrad: 78,9 %; Durchschnittlicher Verlust: 3,0948 Iteration: 3158; Fertigstellungsgrad: 79,0 %; Durchschnittlicher Verlust: 2,5537 Iteration: 3159; Fertigstellungsgrad: 79,0 %; Durchschnittlicher Verlust: 2,9361 Iteration: 3160; Fertigstellungsgrad: 79,0 %; Durchschnittlicher Verlust: 2,7377 Iteration: 3161; Fertigstellungsgrad: 79,0 %; Durchschnittlicher Verlust: 2,8364 Iteration: 3162; Fertigstellungsgrad: 79,0 %; Durchschnittlicher Verlust: 3,2526 Iteration: 3163; Fertigstellungsgrad: 79,1 %; Durchschnittlicher Verlust: 2,9088 Iteration: 3164; Fertigstellungsgrad: 79,1 %; Durchschnittlicher Verlust: 2,7325 Iteration: 3165; Fertigstellungsgrad: 79,1 %; Durchschnittlicher Verlust: 2,7050
Iteration: 3166; Percent complete: 79.1%; Average loss: 2.9021
Iteration: 3167; Percent complete: 79.2%; Average loss: 2.6845
Iteration: 3168; Percent complete: 79.2%; Average loss: 2.5682
Iteration: 3169; Percent complete: 79.2%; Average loss: 2.7566
Iteration: 3170; Percent complete: 79.2%; Average loss: 2.8539
Iteration: 3171; Percent complete: 79.3%; Average loss: 2.8497
Iteration: 3172; Percent complete: 79.3%; Average loss: 2.8065
Iteration: 3173; Percent complete: 79.3%; Average loss: 2.7172
Iteration: 3174; Percent complete: 79.3%; Average loss: 2.5737
Iteration: 3175; Percent complete: 79.4%; Average loss: 2.7724
Iteration: 3176; Percent complete: 79.4%; Average loss: 2.9767 Iteration: 3177; Prozentsatz abgeschlossen: 79,4 %; Durchschnittlicher Verlust: 2,7925 Iteration: 3178; Fertigstellungsgrad: 79,5 %; Durchschnittlicher Verlust: 2,8701 Iteration: 3179; Fertigstellungsgrad: 79,5 %; Durchschnittlicher Verlust: 2,7467 Iteration: 3180; Fertigstellungsgrad: 79,5 %; Durchschnittlicher Verlust: 2,9660 Iteration: 3181; Fertigstellungsgrad: 79,5 %; Durchschnittlicher Verlust: 2,6708 Iteration: 3182; Fertigstellungsgrad: 79,5 %; Durchschnittlicher Verlust: 2,9272 Iteration: 3183; Prozentsatz abgeschlossen: 79,6 %; Durchschnittlicher Verlust: 2,9828 Iteration: 3184; Prozentsatz abgeschlossen: 79,6 %; Durchschnittlicher Verlust: 2,7157 Iteration: 3185; Prozentsatz abgeschlossen: 79,6 %; Durchschnittlicher Verlust: 2,8571 Iteration: 3186; Prozentsatz abgeschlossen: 79,7 %; Durchschnittlicher Verlust: 3,0375 Iteration: 3187; Prozentsatz abgeschlossen: 79,7 %; Durchschnittlicher Verlust: 2,9035 Iteration: 3188; Prozentsatz abgeschlossen: 79,7 %; Durchschnittlicher Verlust: 2,7447 Iteration: 3189; Prozentsatz abgeschlossen: 79,7 %; Durchschnittlicher Verlust: 2,9283 Iteration: 3190; Prozentsatz abgeschlossen: 79,8 %; Durchschnittlicher Verlust: 2,8920 Iteration: 3191; Prozentsatz abgeschlossen: 79,8 %; Durchschnittlicher Verlust: 2,7226 Iteration: 3192; Prozentsatz abgeschlossen: 79,8 %; Durchschnittlicher Verlust: 2,8985 Iteration: 3193; Prozentsatz abgeschlossen: 79,8 %; Durchschnittlicher Verlust: 2,6745 Iteration: 3194; Prozentsatz abgeschlossen: 79,8 %; Durchschnittlicher Verlust: 2,8041 Iteration: 3195; Fertigstellungsgrad: 79,9 %; Durchschnittlicher Verlust: 2,8140 Iteration: 3196; Fertigstellungsgrad: 79,9 %; Durchschnittlicher Verlust: 2,8556 Iteration: 3197; Fertigstellungsgrad: 79,9 %; Durchschnittlicher Verlust: 2,9889 Iteration: 3198; Fertigstellungsgrad: 80,0 %; Durchschnittlicher Verlust: 2,7957 Iteration: 3199; Fertigstellungsgrad: 80,0 %; Durchschnittlicher Verlust: 2,6416 Iteration: 3200; Fertigstellungsgrad: 80,0 %; Durchschnittlicher Verlust: 2,6357 Iteration: 3201; Fertigstellungsgrad: 80,0 %; Durchschnittlicher Verlust: 2,9236 Iteration: 3202; Fertigstellungsgrad: 80,0 %; Durchschnittlicher Verlust: 2,9670 Iteration: 3203; Fertigstellungsgrad: 80,1 %; Durchschnittlicher Verlust: 2,7551 Iteration: 3204; Fertigstellungsgrad: 80,1 %; Durchschnittlicher Verlust: 3,1495 Iteration: 3205; Fertigstellungsgrad: 80,1 %; Durchschnittlicher Verlust: 2,8007 Iteration: 3206; Fertigstellungsgrad: 80,2 %; Durchschnittlicher Verlust: 2,8798 Iteration: 3207; Fertigstellungsgrad: 80,2 %; Durchschnittlicher Verlust: 2,8633 Iteration: 3208; Fertigstellungsgrad: 80,2 %; Durchschnittlicher Verlust: 2,6346 Iteration: 3209; Fertigstellungsgrad: 80,2 %; Durchschnittlicher Verlust: 2,8682 Iteration: 3210; Fertigstellungsgrad: 80,2 %; Durchschnittlicher Verlust: 2,7418 Iteration: 3211; Fertigstellungsgrad: 80,3 %; Durchschnittlicher Verlust: 2,8445 Iteration: 3212; Fertigstellungsgrad: 80,3 %; Durchschnittlicher Verlust: 2,5554 Iteration: 3213; Fertigstellungsgrad: 80,3 %; Durchschnittlicher Verlust: 2,9644 Iteration: 3214; Fertigstellungsgrad: 80,3 %; Durchschnittlicher Verlust: 2,4941 Iteration: 3215; Fertigstellungsgrad: 80,4 %; Durchschnittlicher Verlust: 2,9205 Iteration: 3216; Fertigstellungsgrad: 80,4 %; Durchschnittlicher Verlust: 2,7244 Iteration: 3217; Fertigstellungsgrad: 80,4 %; Durchschnittlicher Verlust: 2,5898 Iteration: 3218; Fertigstellungsgrad: 80,5 %; Durchschnittlicher Verlust: 2,7986 Iteration: 3219; Fertigstellungsgrad: 80,5 %; Durchschnittlicher Verlust: 2,8456 Iteration: 3220; Fertigstellungsgrad: 80,5 %; Durchschnittlicher Verlust: 2,4821
Iteration: 3221; Percent complete: 80.5%; Average loss: 2.7154
Iteration: 3222; Percent complete: 80.5%; Average loss: 2.9628
Iteration: 3223; Percent complete: 80.6%; Average loss: 2.7060
Iteration: 3224; Percent complete: 80.6%; Average loss: 2.6977
Iteration: 3225; Percent complete: 80.6%; Average loss: 2.5510
Iteration: 3226; Percent complete: 80.7%; Average loss: 2.7198
Iteration: 3227; Percent complete: 80.7%; Average loss: 2.6043
Iteration: 3228; Percent complete: 80.7%; Average loss: 2.9380
Iteration: 3229; Percent complete: 80.7%; Average loss: 2.6815
Iteration: 3230; Percent complete: 80.8%; Average loss: 2.8091
Iteration: 3231; Percent complete: 80.8%; Average loss: 2.8218 Iteration: 3232; Fertigstellungsgrad: 80,8 %; Durchschnittlicher Verlust: 2,9432 Iteration: 3233; Fertigstellungsgrad: 80,8 %; Durchschnittlicher Verlust: 3,0699 Iteration: 3234; Fertigstellungsgrad: 80,8 %; Durchschnittlicher Verlust: 2,8278 Iteration: 3235; Fertigstellungsgrad: 80,9 %; Durchschnittlicher Verlust: 3,0983 Iteration: 3236; Fertigstellungsgrad: 80,9 %; Durchschnittlicher Verlust: 2,8154 Iteration: 3237; Fertigstellungsgrad: 80,9 %; Durchschnittlicher Verlust: 2,8086 Iteration: 3238; Fertigstellungsgrad: 81,0 %; Durchschnittlicher Verlust: 2,9475 Iteration: 3239; Fertigstellungsgrad: 81,0 %; Durchschnittlicher Verlust: 2,9266 Iteration: 3240; Fertigstellungsgrad: 81,0 %; Durchschnittlicher Verlust: 2,8253 Iteration: 3241; Fertigstellungsgrad: 81,0 %; Durchschnittlicher Verlust: 2,7953 Iteration: 3242; Fertigstellungsgrad: 81,0 %; Durchschnittlicher Verlust: 2,9004 Iteration: 3243; Fertigstellungsgrad: 81,1 %; Durchschnittlicher Verlust: 2,8787 Iteration: 3244; Fertigstellungsgrad: 81,1 %; Durchschnittlicher Verlust: 2,8104 Iteration: 3245; Fertigstellungsgrad: 81,1 %; Durchschnittlicher Verlust: 2,6948 Iteration: 3246; Fertigstellungsgrad: 81,2 %; Durchschnittlicher Verlust: 2,6422 Iteration: 3247; Fertigstellungsgrad: 81,2 %; Durchschnittlicher Verlust: 2,9437 Iteration: 3248; Fertigstellungsgrad: 81,2 %; Durchschnittlicher Verlust: 2,7166 Iteration: 3249; Fertigstellungsgrad: 81,2 %; Durchschnittlicher Verlust: 2,8278 Iteration: 3250; Fertigstellungsgrad: 81,2 %; Durchschnittlicher Verlust: 2,8422 Iteration: 3251; Fertigstellungsgrad: 81,3 %; Durchschnittlicher Verlust: 2,5193 Iteration: 3252; Fertigstellungsgrad: 81,3 %; Durchschnittlicher Verlust: 2,7059 Iteration: 3253; Fertigstellungsgrad: 81,3 %; Durchschnittlicher Verlust: 2,9195
Iteration: 3254; Percent complete: 81.3%; Average loss: 2.8990
Iteration: 3255; Percent complete: 81.4%; Average loss: 2.6993
Iteration: 3256; Percent complete: 81.4%; Average loss: 2.6709
Iteration: 3257; Percent complete: 81.4%; Average loss: 2.7223
Iteration: 3258; Percent complete: 81.5%; Average loss: 2.8889
Iteration: 3259; Percent complete: 81.5%; Average loss: 2.9270
Iteration: 3260; Percent complete: 81.5%; Average loss: 2.6876
Iteration: 3261; Percent complete: 81.5%; Average loss: 2.7127
Iteration: 3262; Percent complete: 81.5%; Average loss: 3.0798
Iteration: 3263; Percent complete: 81.6%; Average loss: 2.8046
Iteration: 3264; Percent complete: 81.6%; Average loss: 2.7639
Iteration: 3265; Percent complete: 81.6%; Average loss: 2.9201
Iteration: 3266; Percent complete: 81.7%; Average loss: 2.7510
Iteration: 3267; Percent complete: 81.7%; Average loss: 2.7054
Iteration: 3268; Percent complete: 81.7%; Average loss: 2.6526
Iteration: 3269; Percent complete: 81.7%; Average loss: 2.8209
Iteration: 3270; Percent complete: 81.8%; Average loss: 2.9094
Iteration: 3271; Percent complete: 81.8%; Average loss: 3.0820
Iteration: 3272; Percent complete: 81.8%; Average loss: 2.6721
Iteration: 3273; Percent complete: 81.8%; Average loss: 2.7111
Iteration: 3274; Percent complete: 81.8%; Average loss: 2.7203
Iteration: 3275; Percent complete: 81.9%; Average loss: 2.7512
Iteration: 3276; Percent complete: 81.9%; Average loss: 2.8124
Iteration: 3277; Percent complete: 81.9%; Average loss: 2.7715
Iteration: 3278; Percent complete: 82.0%; Average loss: 2.8204
Iteration: 3279; Percent complete: 82.0%; Average loss: 3.0395
Iteration: 3280; Percent complete: 82.0%; Average loss: 2.8295
Iteration: 3281; Percent complete: 82.0%; Average loss: 2.7881
Iteration: 3282; Percent complete: 82.0%; Average loss: 2.6979
Iteration: 3283; Percent complete: 82.1%; Average loss: 2.6769
Iteration: 3284; Percent complete: 82.1%; Average loss: 2.6460
Iteration: 3285; Percent complete: 82.1%; Average loss: 2.7962
Iteration: 3286; Percent complete: 82.2%; Average loss: 2.7910
Iteration: 3287; Percent complete: 82.2%; Average loss: 3.0559
Iteration: 3288; Percent complete: 82.2%; Average loss: 2.9007
Iteration: 3289; Percent complete: 82.2%; Average loss: 2.8694
Iteration: 3290; Percent complete: 82.2%; Average loss: 2.7307
Iteration: 3291; Percent complete: 82.3%; Average loss: 2.6929
Iteration: 3292; Percent complete: 82.3%; Average loss: 2.7497
Iteration: 3293; Percent complete: 82.3%; Average loss: 2.8241
Iteration: 3294; Percent complete: 82.3%; Average loss: 2.7501
Iteration: 3295; Percent complete: 82.4%; Average loss: 2.5850
Iteration: 3296; Percent complete: 82.4%; Average loss: 2.6161
Iteration: 3297; Percent complete: 82.4%; Average loss: 2.7449 Iteration: 3298; Fertigstellungsgrad: 82,5 %; Durchschnittlicher Verlust: 2,8577 Iteration: 3299; Fertigstellungsgrad: 82,5 %; Durchschnittlicher Verlust: 2,7315 Iteration: 3300; Fertigstellungsgrad: 82,5 %; Durchschnittlicher Verlust: 2,7427 Iteration: 3301; Fertigstellungsgrad: 82,5 %; Durchschnittlicher Verlust: 2,6189 Iteration: 3302; Fertigstellungsgrad: 82,5 %; Durchschnittlicher Verlust: 2,9017 Iteration: 3303; Fertigstellungsgrad: 82,6 %; Durchschnittlicher Verlust: 2,5443 Iteration: 3304; Fertigstellungsgrad: 82,6 %; Durchschnittlicher Verlust: 2,9497 Iteration: 3305; Fertigstellungsgrad: 82,6 %; Durchschnittlicher Verlust: 3,0320 Iteration: 3306; Fertigstellungsgrad: 82,7 %; Durchschnittlicher Verlust: 2,9408 Iteration: 3307; Fertigstellungsgrad: 82,7 %; Durchschnittlicher Verlust: 2,8410 Iteration: 3308; Fertigstellungsgrad: 82,7 %; Durchschnittlicher Verlust: 2,6126
Iteration: 3309; Percent complete: 82.7%; Average loss: 2.8933
Iteration: 3310; Percent complete: 82.8%; Average loss: 2.5893
Iteration: 3311; Percent complete: 82.8%; Average loss: 2.7185
Iteration: 3312; Percent complete: 82.8%; Average loss: 2.8440
Iteration: 3313; Percent complete: 82.8%; Average loss: 2.8038
Iteration: 3314; Percent complete: 82.8%; Average loss: 2.7622
Iteration: 3315; Percent complete: 82.9%; Average loss: 2.7783
Iteration: 3316; Percent complete: 82.9%; Average loss: 2.8411
Iteration: 3317; Percent complete: 82.9%; Average loss: 2.7213
Iteration: 3318; Percent complete: 83.0%; Average loss: 2.8476
Iteration: 3319; Percent complete: 83.0%; Average loss: 2.5962 Iteration: 3320; Fertigstellungsgrad: 83,0 %; Durchschnittlicher Verlust: 2,5748 Iteration: 3321; Fertigstellungsgrad: 83,0 %; Durchschnittlicher Verlust: 3,0046 Iteration: 3322; Fertigstellungsgrad: 83,0 %; Durchschnittlicher Verlust: 2,8728 Iteration: 3323; Fertigstellungsgrad: 83,1 %; Durchschnittlicher Verlust: 3,0009 Iteration: 3324; Fertigstellungsgrad: 83,1 %; Durchschnittlicher Verlust: 2,8239 Iteration: 3325; Fertigstellungsgrad: 83,1 %; Durchschnittlicher Verlust: 2,6387 Iteration: 3326; Fertigstellungsgrad: 83,2 %; Durchschnittlicher Verlust: 2,7339 Iteration: 3327; Fertigstellungsgrad: 83,2 %; Durchschnittlicher Verlust: 2,7873 Iteration: 3328; Fertigstellungsgrad: 83,2 %; Durchschnittlicher Verlust: 2,7353 Iteration: 3329; Fertigstellungsgrad: 83,2 %; Durchschnittlicher Verlust: 2,6732 Iteration: 3330; Fertigstellungsgrad: 83,2 %; Durchschnittlicher Verlust: 2,9801
Iteration: 3331; Percent complete: 83.3%; Average loss: 2.9347
Iteration: 3332; Percent complete: 83.3%; Average loss: 2.7679
Iteration: 3333; Percent complete: 83.3%; Average loss: 2.9384
Iteration: 3334; Percent complete: 83.4%; Average loss: 2.9751
Iteration: 3335; Percent complete: 83.4%; Average loss: 2.5600
Iteration: 3336; Percent complete: 83.4%; Average loss: 2.7513
Iteration: 3337; Percent complete: 83.4%; Average loss: 3.0063
Iteration: 3338; Percent complete: 83.5%; Average loss: 2.9776
Iteration: 3339; Percent complete: 83.5%; Average loss: 2.9802
Iteration: 3340; Percent complete: 83.5%; Average loss: 2.5724
Iteration: 3341; Percent complete: 83.5%; Average loss: 2.6180
Iteration: 3342; Percent complete: 83.5%; Average loss: 2.8074
Iteration: 3343; Percent complete: 83.6%; Average loss: 2.8554
Iteration: 3344; Percent complete: 83.6%; Average loss: 2.7027
Iteration: 3345; Percent complete: 83.6%; Average loss: 2.4525
Iteration: 3346; Percent complete: 83.7%; Average loss: 2.6573
Iteration: 3347; Percent complete: 83.7%; Average loss: 2.8320
Iteration: 3348; Percent complete: 83.7%; Average loss: 2.8179
Iteration: 3349; Percent complete: 83.7%; Average loss: 2.6926
Iteration: 3350; Percent complete: 83.8%; Average loss: 2.7373
Iteration: 3351; Percent complete: 83.8%; Average loss: 2.8590
Iteration: 3352; Percent complete: 83.8%; Average loss: 2.6714 Iteration: 3353; Fertigstellungsgrad: 83,8 %; Durchschnittlicher Verlust: 2,9105 Iteration: 3354; Fertigstellungsgrad: 83,9 %; Durchschnittlicher Verlust: 2,8235 Iteration: 3355; Fertigstellungsgrad: 83,9 %; Durchschnittlicher Verlust: 3,0087 Iteration: 3356; Fertigstellungsgrad: 83,9 %; Durchschnittlicher Verlust: 2,7190 Iteration: 3357; Fertigstellungsgrad: 83,9 %; Durchschnittlicher Verlust: 2,5479 Iteration: 3358; Fertigstellungsgrad: 84,0 %; Durchschnittlicher Verlust: 2,4556 Iteration: 3359; Fertigstellungsgrad: 84,0 %; Durchschnittlicher Verlust: 2,8012 Iteration: 3360; Fertigstellungsgrad: 84,0 %; Durchschnittlicher Verlust: 2,6544 Iteration: 3361; Fertigstellungsgrad: 84,0 %; Durchschnittlicher Verlust: 2,9614 Iteration: 3362; Fertigstellungsgrad: 84,0 %; Durchschnittlicher Verlust: 2,6810 Iteration: 3363; Fertigstellungsgrad: 84,1 %; Durchschnittlicher Verlust: 2,9058
Iteration: 3364; Percent complete: 84.1%; Average loss: 2.9030
Iteration: 3365; Percent complete: 84.1%; Average loss: 2.6595
Iteration: 3366; Percent complete: 84.2%; Average loss: 2.5416
Iteration: 3367; Percent complete: 84.2%; Average loss: 2.8108
Iteration: 3368; Percent complete: 84.2%; Average loss: 2.6372
Iteration: 3369; Percent complete: 84.2%; Average loss: 2.8206
Iteration: 3370; Percent complete: 84.2%; Average loss: 2.8026
Iteration: 3371; Percent complete: 84.3%; Average loss: 2.7672
Iteration: 3372; Percent complete: 84.3%; Average loss: 2.6234
Iteration: 3373; Percent complete: 84.3%; Average loss: 2.4573
Iteration: 3374; Percent complete: 84.4%; Average loss: 2.9953 Iteration: 3375; Fertigstellungsgrad: 84,4 %; Durchschnittlicher Verlust: 2,9841 Iteration: 3376; Fertigstellungsgrad: 84,4 %; Durchschnittlicher Verlust: 2,7384 Iteration: 3377; Fertigstellungsgrad: 84,4 %; Durchschnittlicher Verlust: 2,8440 Iteration: 3378; Fertigstellungsgrad: 84,5 %; Durchschnittlicher Verlust: 2,8853 Iteration: 3379; Fertigstellungsgrad: 84,5 %; Durchschnittlicher Verlust: 3,0234 Iteration: 3380; Fertigstellungsgrad: 84,5 %; Durchschnittlicher Verlust: 2,8834 Iteration: 3381; Fertigstellungsgrad: 84,5 %; Durchschnittlicher Verlust: 2,6846 Iteration: 3382; Fertigstellungsgrad: 84,5 %; Durchschnittlicher Verlust: 2,6604 Iteration: 3383; Fertigstellungsgrad: 84,6 %; Durchschnittlicher Verlust: 2,6224 Iteration: 3384; Fertigstellungsgrad: 84,6 %; Durchschnittlicher Verlust: 2,6794 Iteration: 3385; Fertigstellungsgrad: 84,6 %; Durchschnittlicher Verlust: 2,7924 Iteration: 3386; Fertigstellungsgrad: 84,7 %; Durchschnittlicher Verlust: 2,6941 Iteration: 3387; Fertigstellungsgrad: 84,7 %; Durchschnittlicher Verlust: 2,7740 Iteration: 3388; Fertigstellungsgrad: 84,7 %; Durchschnittlicher Verlust: 2,7753 Iteration: 3389; Fertigstellungsgrad: 84,7 %; Durchschnittlicher Verlust: 2,7299 Iteration: 3390; Fertigstellungsgrad: 84,8 %; Durchschnittlicher Verlust: 2,7328 Iteration: 3391; Fertigstellungsgrad: 84,8 %; Durchschnittlicher Verlust: 2,8047 Iteration: 3392; Fertigstellungsgrad: 84,8 %; Durchschnittlicher Verlust: 2,7817 Iteration: 3393; Fertigstellungsgrad: 84,8 %; Durchschnittlicher Verlust: 2,7174 Iteration: 3394; Fertigstellungsgrad: 84,9 %; Durchschnittlicher Verlust: 2,8049 Iteration: 3395; Fertigstellungsgrad: 84,9 %; Durchschnittlicher Verlust: 2,6655 Iteration: 3396; Fertigstellungsgrad: 84,9 %; Durchschnittlicher Verlust: 2,7204 Iteration: 3397; Fertigstellungsgrad: 84,9 %; Durchschnittlicher Verlust: 2,8554 Iteration: 3398; Fertigstellungsgrad: 85,0 %; Durchschnittlicher Verlust: 2,8406 Iteration: 3399; Fertigstellungsgrad: 85,0 %; Durchschnittlicher Verlust: 2,9535 Iteration: 3400; Fertigstellungsgrad: 85,0 %; Durchschnittlicher Verlust: 2,6640 Iteration: 3401; Fertigstellungsgrad: 85,0 %; Durchschnittlicher Verlust: 2,7967 Iteration: 3402; Fertigstellungsgrad: 85,0 %; Durchschnittlicher Verlust: 2,7708 Iteration: 3403; Fertigstellungsgrad: 85,1 %; Durchschnittlicher Verlust: 2,6161 Iteration: 3404; Fertigstellungsgrad: 85,1 %; Durchschnittlicher Verlust: 3,0213 Iteration: 3405; Fertigstellungsgrad: 85,1 %; Durchschnittlicher Verlust: 2,7013 Iteration: 3406; Fertigstellungsgrad: 85,2 %; Durchschnittlicher Verlust: 2,7775 Iteration: 3407; Fertigstellungsgrad: 85,2 %; Durchschnittlicher Verlust: 2,7898 Iteration: 3408; Fertigstellungsgrad: 85,2 %; Durchschnittlicher Verlust: 2,6115 Iteration: 3409; Fertigstellungsgrad: 85,2 %; Durchschnittlicher Verlust: 2,8597 Iteration: 3410; Fertigstellungsgrad: 85,2 %; Durchschnittlicher Verlust: 2,9997 Iteration: 3411; Fertigstellungsgrad: 85,3 %; Durchschnittlicher Verlust: 2,8141 Iteration: 3412; Fertigstellungsgrad: 85,3 %; Durchschnittlicher Verlust: 2,8401 Iteration: 3413; Fertigstellungsgrad: 85,3 %; Durchschnittlicher Verlust: 2,7250 Iteration: 3414; Fertigstellungsgrad: 85,4 %; Durchschnittlicher Verlust: 2,8816 Iteration: 3415; Fertigstellungsgrad: 85,4 %; Durchschnittlicher Verlust: 2,7123 Iteration: 3416; Fertigstellungsgrad: 85,4 %; Durchschnittlicher Verlust: 2,8894 Iteration: 3417; Fertigstellungsgrad: 85,4 %; Durchschnittlicher Verlust: 2,5748 Iteration: 3418; Fertigstellungsgrad: 85,5 %; Durchschnittlicher Verlust: 3,0192
Iteration: 3419; Percent complete: 85.5%; Average loss: 2.9752
Iteration: 3420; Percent complete: 85.5%; Average loss: 2.7181
Iteration: 3421; Percent complete: 85.5%; Average loss: 2.6595
Iteration: 3422; Percent complete: 85.5%; Average loss: 2.4863
Iteration: 3423; Percent complete: 85.6%; Average loss: 2.8345
Iteration: 3424; Percent complete: 85.6%; Average loss: 2.8755
Iteration: 3425; Percent complete: 85.6%; Average loss: 2.8255
Iteration: 3426; Percent complete: 85.7%; Average loss: 2.9485
Iteration: 3427; Percent complete: 85.7%; Average loss: 2.7626
Iteration: 3428; Percent complete: 85.7%; Average loss: 2.7899
Iteration: 3429; Percent complete: 85.7%; Average loss: 2.8026
Iteration: 3430; Percent complete: 85.8%; Average loss: 2.8465
Iteration: 3431; Percent complete: 85.8%; Average loss: 2.6793
Iteration: 3432; Percent complete: 85.8%; Average loss: 2.8408
Iteration: 3433; Percent complete: 85.8%; Average loss: 2.7349
Iteration: 3434; Percent complete: 85.9%; Average loss: 2.8249
Iteration: 3435; Percent complete: 85.9%; Average loss: 2.8336
Iteration: 3436; Percent complete: 85.9%; Average loss: 2.7261
Iteration: 3437; Percent complete: 85.9%; Average loss: 2.8402
Iteration: 3438; Percent complete: 86.0%; Average loss: 2.7069
Iteration: 3439; Percent complete: 86.0%; Average loss: 2.6607
Iteration: 3440; Percent complete: 86.0%; Average loss: 2.7467
Iteration: 3441; Percent complete: 86.0%; Average loss: 2.9448
Iteration: 3442; Percent complete: 86.1%; Average loss: 2.8681
Iteration: 3443; Percent complete: 86.1%; Average loss: 2.8738
Iteration: 3444; Percent complete: 86.1%; Average loss: 2.8173
Iteration: 3445; Percent complete: 86.1%; Average loss: 2.8469
Iteration: 3446; Percent complete: 86.2%; Average loss: 2.7472
Iteration: 3447; Percent complete: 86.2%; Average loss: 2.7954
Iteration: 3448; Percent complete: 86.2%; Average loss: 2.7072
Iteration: 3449; Percent complete: 86.2%; Average loss: 2.5905
Iteration: 3450; Percent complete: 86.2%; Average loss: 2.5758
Iteration: 3451; Percent complete: 86.3%; Average loss: 3.0044
Iteration: 3452; Percent complete: 86.3%; Average loss: 2.7904
Iteration: 3453; Percent complete: 86.3%; Average loss: 2.7993
Iteration: 3454; Percent complete: 86.4%; Average loss: 2.6122
Iteration: 3455; Percent complete: 86.4%; Average loss: 2.7726
Iteration: 3456; Percent complete: 86.4%; Average loss: 2.8104
Iteration: 3457; Percent complete: 86.4%; Average loss: 2.8232
Iteration: 3458; Percent complete: 86.5%; Average loss: 2.5644
Iteration: 3459; Percent complete: 86.5%; Average loss: 2.8328
Iteration: 3460; Percent complete: 86.5%; Average loss: 2.6664
Iteration: 3461; Percent complete: 86.5%; Average loss: 2.8304
Iteration: 3462; Percent complete: 86.6%; Average loss: 2.9252
Iteration: 3463; Percent complete: 86.6%; Average loss: 2.6962
Iteration: 3464; Percent complete: 86.6%; Average loss: 2.5979
Iteration: 3465; Percent complete: 86.6%; Average loss: 2.9462
Iteration: 3466; Percent complete: 86.7%; Average loss: 2.7088
Iteration: 3467; Percent complete: 86.7%; Average loss: 2.7608
Iteration: 3468; Percent complete: 86.7%; Average loss: 2.4718
Iteration: 3469; Percent complete: 86.7%; Average loss: 2.6991
Iteration: 3470; Percent complete: 86.8%; Average loss: 2.5704
Iteration: 3471; Percent complete: 86.8%; Average loss: 3.0580
Iteration: 3472; Percent complete: 86.8%; Average loss: 2.7719
Iteration: 3473; Percent complete: 86.8%; Average loss: 2.4440
Iteration: 3474; Percent complete: 86.9%; Average loss: 2.6198
Iteration: 3475; Percent complete: 86.9%; Average loss: 2.7791
Iteration: 3476; Percent complete: 86.9%; Average loss: 2.7811
Iteration: 3477; Percent complete: 86.9%; Average loss: 2.6923
Iteration: 3478; Percent complete: 87.0%; Average loss: 2.7642
Iteration: 3479; Percent complete: 87.0%; Average loss: 2.7881
Iteration: 3480; Percent complete: 87.0%; Average loss: 2.8239
Iteration: 3481; Percent complete: 87.0%; Average loss: 2.6705
Iteration: 3482; Percent complete: 87.1%; Average loss: 2.8210
Iteration: 3483; Percent complete: 87.1%; Average loss: 2.6707
Iteration: 3484; Percent complete: 87.1%; Average loss: 2.8185
Iteration: 3485; Percent complete: 87.1%; Average loss: 2.7985
Iteration: 3486; Percent complete: 87.2%; Average loss: 2.7844
Iteration: 3487; Percent complete: 87.2%; Average loss: 2.8306
Iteration: 3488; Percent complete: 87.2%; Average loss: 3.1132
Iteration: 3489; Percent complete: 87.2%; Average loss: 2.6521
Iteration: 3490; Percent complete: 87.2%; Average loss: 2.4139
Iteration: 3491; Percent complete: 87.3%; Average loss: 2.6487
Iteration: 3492; Percent complete: 87.3%; Average loss: 2.6204
Iteration: 3493; Percent complete: 87.3%; Average loss: 2.7592
Iteration: 3494; Percent complete: 87.4%; Average loss: 2.6602
Iteration: 3495; Percent complete: 87.4%; Average loss: 2.5900
Iteration: 3496; Percent complete: 87.4%; Average loss: 2.5858
Iteration: 3497; Percent complete: 87.4%; Average loss: 2.6409
Iteration: 3498; Percent complete: 87.5%; Average loss: 2.5494
Iteration: 3499; Percent complete: 87.5%; Average loss: 2.7200
Iteration: 3500; Percent complete: 87.5%; Average loss: 2.6720
Iteration: 3501; Percent complete: 87.5%; Average loss: 2.7163
Iteration: 3502; Percent complete: 87.5%; Average loss: 2.7596
Iteration: 3503; Percent complete: 87.6%; Average loss: 2.7312
Iteration: 3504; Percent complete: 87.6%; Average loss: 2.7443
Iteration: 3505; Percent complete: 87.6%; Average loss: 2.8204
Iteration: 3506; Percent complete: 87.6%; Average loss: 2.7911
Iteration: 3507; Percent complete: 87.7%; Average loss: 2.9469
Iteration: 3508; Percent complete: 87.7%; Average loss: 2.7480
Iteration: 3509; Percent complete: 87.7%; Average loss: 2.6906
Iteration: 3510; Percent complete: 87.8%; Average loss: 2.8618
Iteration: 3511; Percent complete: 87.8%; Average loss: 2.8359
Iteration: 3512; Percent complete: 87.8%; Average loss: 2.5062
Iteration: 3513; Percent complete: 87.8%; Average loss: 2.7921
Iteration: 3514; Percent complete: 87.8%; Average loss: 2.6098
Iteration: 3515; Percent complete: 87.9%; Average loss: 2.6168
Iteration: 3516; Percent complete: 87.9%; Average loss: 2.5469
Iteration: 3517; Percent complete: 87.9%; Average loss: 2.7013 Iteration: 3518; Fertigstellungsgrad: 87,9 %; Durchschnittlicher Verlust: 2,8768 Iteration: 3519; Fertigstellungsgrad: 88,0 %; Durchschnittlicher Verlust: 2,8726 Iteration: 3520; Fertigstellungsgrad: 88,0 %; Durchschnittlicher Verlust: 2,9047 Iteration: 3521; Fertigstellungsgrad: 88,0 %; Durchschnittlicher Verlust: 2,8708 Iteration: 3522; Fertigstellungsgrad: 88,0 %; Durchschnittlicher Verlust: 3,1170 Iteration: 3523; Fertigstellungsgrad: 88,1 %; Durchschnittlicher Verlust: 2,7559 Iteration: 3524; Fertigstellungsgrad: 88,1 %; Durchschnittlicher Verlust: 2,8676 Iteration: 3525; Fertigstellungsgrad: 88,1 %; Durchschnittlicher Verlust: 2,6612 Iteration: 3526; Fertigstellungsgrad: 88,1 %; Durchschnittlicher Verlust: 2,8355 Iteration: 3527; Fertigstellungsgrad: 88,2 %; Durchschnittlicher Verlust: 2,7610 Iteration: 3528; Fertigstellungsgrad: 88,2 %; Durchschnittlicher Verlust: 2,7662
Iteration: 3529; Percent complete: 88.2%; Average loss: 2.7512
Iteration: 3530; Percent complete: 88.2%; Average loss: 2.9301
Iteration: 3531; Percent complete: 88.3%; Average loss: 2.7874
Iteration: 3532; Percent complete: 88.3%; Average loss: 2.5787
Iteration: 3533; Percent complete: 88.3%; Average loss: 2.7850
Iteration: 3534; Percent complete: 88.3%; Average loss: 2.7126
Iteration: 3535; Percent complete: 88.4%; Average loss: 2.7459
Iteration: 3536; Percent complete: 88.4%; Average loss: 2.9294
Iteration: 3537; Percent complete: 88.4%; Average loss: 2.5340
Iteration: 3538; Percent complete: 88.4%; Average loss: 2.6260
Iteration: 3539; Percent complete: 88.5%; Average loss: 2.8287
Iteration: 3540; Percent complete: 88.5%; Average loss: 2.6459
Iteration: 3541; Percent complete: 88.5%; Average loss: 2.8550
Iteration: 3542; Percent complete: 88.5%; Average loss: 2.5899
Iteration: 3543; Percent complete: 88.6%; Average loss: 2.8788
Iteration: 3544; Percent complete: 88.6%; Average loss: 2.5765
Iteration: 3545; Percent complete: 88.6%; Average loss: 2.7901
Iteration: 3546; Percent complete: 88.6%; Average loss: 2.6997
Iteration: 3547; Percent complete: 88.7%; Average loss: 2.8477
Iteration: 3548; Percent complete: 88.7%; Average loss: 2.9909
Iteration: 3549; Percent complete: 88.7%; Average loss: 2.8567
Iteration: 3550; Percent complete: 88.8%; Average loss: 2.8606
Iteration: 3551; Percent complete: 88.8%; Average loss: 2.8080
Iteration: 3552; Percent complete: 88.8%; Average loss: 2.8942
Iteration: 3553; Percent complete: 88.8%; Average loss: 2.8278
Iteration: 3554; Percent complete: 88.8%; Average loss: 2.8610
Iteration: 3555; Percent complete: 88.9%; Average loss: 2.8320
Iteration: 3556; Percent complete: 88.9%; Average loss: 2.6372
Iteration: 3557; Percent complete: 88.9%; Average loss: 2.6317
Iteration: 3558; Percent complete: 88.9%; Average loss: 2.6140
Iteration: 3559; Percent complete: 89.0%; Average loss: 3.0410
Iteration: 3560; Percent complete: 89.0%; Average loss: 2.7379
Iteration: 3561; Percent complete: 89.0%; Average loss: 2.7798
Iteration: 3562; Percent complete: 89.0%; Average loss: 2.8355
Iteration: 3563; Percent complete: 89.1%; Average loss: 2.8215
Iteration: 3564; Percent complete: 89.1%; Average loss: 2.6736
Iteration: 3565; Percent complete: 89.1%; Average loss: 2.8057
Iteration: 3566; Percent complete: 89.1%; Average loss: 2.7152
Iteration: 3567; Percent complete: 89.2%; Average loss: 2.9272
Iteration: 3568; Percent complete: 89.2%; Average loss: 2.6022
Iteration: 3569; Percent complete: 89.2%; Average loss: 2.7309
Iteration: 3570; Percent complete: 89.2%; Average loss: 2.8384
Iteration: 3571; Percent complete: 89.3%; Average loss: 2.8851
Iteration: 3572; Percent complete: 89.3%; Average loss: 2.8461 Iteration: 3573; Fertigstellungsgrad: 89,3 %; Durchschnittlicher Verlust: 3,0362 Iteration: 3574; Fertigstellungsgrad: 89,3 %; Durchschnittlicher Verlust: 2,9118 Iteration: 3575; Fertigstellungsgrad : 89,4 %; Durchschnittlicher Verlust: 2,6766 Iteration: 3576; Fertigstellungsgrad: 89,4 %; Durchschnittlicher Verlust: 2,9396 Iteration: 3577; Fertigstellungsgrad: 89,4 %; Durchschnittlicher Verlust: 2,7340 Iteration: 3578; Fertigstellungsgrad: 89,5 %; Durchschnittlicher Verlust: 2,7063 Iteration: 3579; Fertigstellungsgrad: 89,5 %; Durchschnittlicher Verlust: 2,7147 Iteration: 3580; Fertigstellungsgrad: 89,5 %; Durchschnittlicher Verlust: 3,0200 Iteration: 3581; Fertigstellungsgrad: 89,5 %; Durchschnittlicher Verlust: 2,6899 Iteration: 3582; Fertigstellungsgrad: 89,5 %; Durchschnittlicher Verlust: 2,7638 Iteration: 3583; Fertigstellungsgrad: 89,6 %; Durchschnittlicher Verlust: 2,6044
Iteration: 3584; Percent complete: 89.6%; Average loss: 2.7298
Iteration: 3585; Percent complete: 89.6%; Average loss: 2.7614
Iteration: 3586; Percent complete: 89.6%; Average loss: 2.4114
Iteration: 3587; Percent complete: 89.7%; Average loss: 2.7286
Iteration: 3588; Percent complete: 89.7%; Average loss: 2.7075
Iteration: 3589; Percent complete: 89.7%; Average loss: 2.6162
Iteration: 3590; Percent complete: 89.8%; Average loss: 2.7386
Iteration: 3591; Percent complete: 89.8%; Average loss: 2.6989
Iteration: 3592; Percent complete: 89.8%; Average loss: 2.6732
Iteration: 3593; Percent complete: 89.8%; Average loss: 2.8108
Iteration: 3594; Percent complete: 89.8%; Average loss: 2.8565
Iteration: 3595; Percent complete: 89.9%; Average loss: 2.7946
Iteration: 3596; Percent complete: 89.9%; Average loss: 3.0089
Iteration: 3597; Percent complete: 89.9%; Average loss: 2.6279
Iteration: 3598; Percent complete: 90.0%; Average loss: 2.8314
Iteration: 3599; Percent complete: 90.0%; Average loss: 2.6598
Iteration: 3600; Percent complete: 90.0%; Average loss: 2.7648
Iteration: 3601; Percent complete: 90.0%; Average loss: 2.5402
Iteration: 3602; Percent complete: 90.0%; Average loss: 2.5389
Iteration: 3603; Percent complete: 90.1%; Average loss: 2.7983
Iteration: 3604; Percent complete: 90.1%; Average loss: 2.7628
Iteration: 3605; Percent complete: 90.1%; Average loss: 2.7221
Iteration: 3606; Percent complete: 90.1%; Average loss: 2.6466
Iteration: 3607; Percent complete: 90.2%; Average loss: 2.6100
Iteration: 3608; Percent complete: 90.2%; Average loss: 2.5764
Iteration: 3609; Percent complete: 90.2%; Average loss: 2.6835
Iteration: 3610; Percent complete: 90.2%; Average loss: 2.8244
Iteration: 3611; Percent complete: 90.3%; Average loss: 2.9182
Iteration: 3612; Percent complete: 90.3%; Average loss: 2.6517
Iteration: 3613; Percent complete: 90.3%; Average loss: 2.7013
Iteration: 3614; Percent complete: 90.3%; Average loss: 2.6401
Iteration: 3615; Percent complete: 90.4%; Average loss: 2.8516
Iteration: 3616; Percent complete: 90.4%; Average loss: 2.8123 Iteration: 3617; Prozentsatz abgeschlossen: 90,4 %; Durchschnittlicher Verlust: 2,9108 Iteration: 3618; Fertigstellungsgrad: 90,5 %; Durchschnittlicher Verlust: 2,7267 Iteration: 3619; Fertigstellungsgrad: 90,5 %; Durchschnittlicher Verlust: 2,7662 Iteration: 3620; Fertigstellungsgrad: 90,5 %; Durchschnittlicher Verlust: 2,6778 Iteration: 3621; Fertigstellungsgrad: 90,5 %; Durchschnittlicher Verlust: 2,6348 Iteration: 3622; Fertigstellungsgrad: 90,5 %; Durchschnittlicher Verlust: 2,6747 Iteration: 3623; Prozentsatz abgeschlossen: 90,6 %; Durchschnittlicher Verlust: 2,7144 Iteration: 3624; Prozentsatz abgeschlossen: 90,6 %; Durchschnittlicher Verlust: 2,9864 Iteration: 3625; Prozentsatz abgeschlossen: 90,6 %; Durchschnittlicher Verlust: 2,7164 Iteration: 3626; Prozentsatz abgeschlossen: 90,6 %; Durchschnittlicher Verlust: 2,6071 Iteration: 3627; Fertigstellungsgrad: 90,7 %; Durchschnittlicher Verlust: 2,8184
Iteration: 3628; Percent complete: 90.7%; Average loss: 2.6309
Iteration: 3629; Percent complete: 90.7%; Average loss: 2.6569
Iteration: 3630; Percent complete: 90.8%; Average loss: 2.5672
Iteration: 3631; Percent complete: 90.8%; Average loss: 2.6873
Iteration: 3632; Percent complete: 90.8%; Average loss: 2.6012
Iteration: 3633; Percent complete: 90.8%; Average loss: 2.4427
Iteration: 3634; Percent complete: 90.8%; Average loss: 2.8365
Iteration: 3635; Percent complete: 90.9%; Average loss: 2.8504
Iteration: 3636; Percent complete: 90.9%; Average loss: 2.6796
Iteration: 3637; Percent complete: 90.9%; Average loss: 2.6758
Iteration: 3638; Percent complete: 91.0%; Average loss: 2.8730
Iteration: 3639; Percent complete: 91.0%; Average loss: 2.8273
Iteration: 3640; Percent complete: 91.0%; Average loss: 2.7344
Iteration: 3641; Percent complete: 91.0%; Average loss: 2.6402
Iteration: 3642; Percent complete: 91.0%; Average loss: 2.7121
Iteration: 3643; Percent complete: 91.1%; Average loss: 2.8056
Iteration: 3644; Percent complete: 91.1%; Average loss: 2.6174
Iteration: 3645; Percent complete: 91.1%; Average loss: 2.8500
Iteration: 3646; Percent complete: 91.1%; Average loss: 2.5030
Iteration: 3647; Percent complete: 91.2%; Average loss: 2.5810
Iteration: 3648; Percent complete: 91.2%; Average loss: 2.7504
Iteration: 3649; Percent complete: 91.2%; Average loss: 2.8266
Iteration: 3650; Percent complete: 91.2%; Average loss: 2.4768
Iteration: 3651; Percent complete: 91.3%; Average loss: 2.9129
Iteration: 3652; Percent complete: 91.3%; Average loss: 2.8645
Iteration: 3653; Percent complete: 91.3%; Average loss: 2.7685
Iteration: 3654; Percent complete: 91.3%; Average loss: 2.5624
Iteration: 3655; Percent complete: 91.4%; Average loss: 2.6051
Iteration: 3656; Percent complete: 91.4%; Average loss: 2.7336
Iteration: 3657; Percent complete: 91.4%; Average loss: 2.4216
Iteration: 3658; Percent complete: 91.5%; Average loss: 2.8978
Iteration: 3659; Percent complete: 91.5%; Average loss: 2.5845
Iteration: 3660; Percent complete: 91.5%; Average loss: 2.5773 Iteration: 3661; Fertigstellungsgrad: 91,5 %; Durchschnittlicher Verlust: 2,7689 Iteration: 3662; Fertigstellungsgrad: 91,5 %; Durchschnittlicher Verlust: 2,5163 Iteration: 3663; Prozentsatz abgeschlossen: 91,6 %; Durchschnittlicher Verlust: 2,6596 Iteration: 3664; Prozentsatz abgeschlossen: 91,6 %; Durchschnittlicher Verlust: 2,7167 Iteration: 3665; Prozentsatz abgeschlossen: 91,6 %; Durchschnittlicher Verlust: 2,7671 Iteration: 3666; Prozentsatz abgeschlossen: 91,6 %; Durchschnittlicher Verlust: 2,8112 Iteration: 3667; Prozentsatz abgeschlossen: 91,7 %; Durchschnittlicher Verlust: 2,7090 Iteration: 3668; Prozentsatz abgeschlossen: 91,7 %; Durchschnittlicher Verlust: 2,5884 Iteration: 3669; Prozentsatz abgeschlossen: 91,7 %; Durchschnittlicher Verlust: 2,6506 Iteration: 3670; Prozentsatz abgeschlossen: 91,8 %; Durchschnittlicher Verlust: 2,5689 Iteration: 3671; Prozentsatz abgeschlossen: 91,8 %; Durchschnittlicher Verlust: 2,7311
Iteration: 3672; Percent complete: 91.8%; Average loss: 2.7123
Iteration: 3673; Percent complete: 91.8%; Average loss: 2.8758
Iteration: 3674; Percent complete: 91.8%; Average loss: 2.7133
Iteration: 3675; Percent complete: 91.9%; Average loss: 2.8349
Iteration: 3676; Percent complete: 91.9%; Average loss: 2.6373
Iteration: 3677; Percent complete: 91.9%; Average loss: 2.8591
Iteration: 3678; Percent complete: 92.0%; Average loss: 2.5873
Iteration: 3679; Percent complete: 92.0%; Average loss: 2.6120
Iteration: 3680; Percent complete: 92.0%; Average loss: 2.7672
Iteration: 3681; Percent complete: 92.0%; Average loss: 2.6883
Iteration: 3682; Percent complete: 92.0%; Average loss: 2.7915 Iteration: 3683; Prozentsatz abgeschlossen: 92,1 %; Durchschnittlicher Verlust: 2,6473 Iteration: 3684; Prozentsatz abgeschlossen: 92,1 %; Durchschnittlicher Verlust: 2,7358 Iteration: 3685; Prozentsatz abgeschlossen: 92,1 %; Durchschnittlicher Verlust: 2,8190 Iteration: 3686; Prozentsatz abgeschlossen: 92,2 %; Durchschnittlicher Verlust: 2,7850 Iteration: 3687; Prozentsatz abgeschlossen: 92,2 %; Durchschnittlicher Verlust: 2,8133 Iteration: 3688; Prozentsatz abgeschlossen: 92,2 %; Durchschnittlicher Verlust: 2,7788 Iteration: 3689; Prozentsatz abgeschlossen: 92,2 %; Durchschnittlicher Verlust: 2,6773 Iteration: 3690; Prozentsatz abgeschlossen: 92,2 %; Durchschnittlicher Verlust: 2,5675 Iteration: 3691; Prozentsatz abgeschlossen: 92,3 %; Durchschnittlicher Verlust: 2,8387 Iteration: 3692; Prozentsatz abgeschlossen: 92,3 %; Durchschnittlicher Verlust: 2,7262 Iteration: 3693; Prozentsatz abgeschlossen: 92,3 %; Durchschnittlicher Verlust: 2,7366 Iteration: 3694; Prozentsatz abgeschlossen: 92,3 %; Durchschnittlicher Verlust: 2,6363 Iteration: 3695; Prozentsatz abgeschlossen: 92,4 %; Durchschnittlicher Verlust: 2,6683 Iteration: 3696; Prozentsatz abgeschlossen: 92,4 %; Durchschnittlicher Verlust: 2,6788 Iteration: 3697; Prozentsatz abgeschlossen: 92,4 %; Durchschnittlicher Verlust: 2,5709 Iteration: 3698; Prozentsatz abgeschlossen: 92,5 %; Durchschnittlicher Verlust: 2,9124 Iteration: 3699; Prozentsatz abgeschlossen: 92,5 %; Durchschnittlicher Verlust: 2,6450 Iteration: 3700; Prozentsatz abgeschlossen: 92,5 %; Durchschnittlicher Verlust: 2,4612 Iteration: 3701; Prozentsatz abgeschlossen: 92,5 %; Durchschnittlicher Verlust: 2,8257 Iteration: 3702; Prozentsatz abgeschlossen: 92,5 %; Durchschnittlicher Verlust: 2,5446 Iteration: 3703; Prozentsatz abgeschlossen: 92,6 %; Durchschnittlicher Verlust: 2,6667 Iteration: 3704; Prozentsatz abgeschlossen: 92,6 %; Durchschnittlicher Verlust: 2,8471
Iteration: 3705; Percent complete: 92.6%; Average loss: 2.8430
Iteration: 3706; Percent complete: 92.7%; Average loss: 2.7194
Iteration: 3707; Percent complete: 92.7%; Average loss: 2.6570
Iteration: 3708; Percent complete: 92.7%; Average loss: 2.8474
Iteration: 3709; Percent complete: 92.7%; Average loss: 2.4262
Iteration: 3710; Percent complete: 92.8%; Average loss: 2.6800
Iteration: 3711; Percent complete: 92.8%; Average loss: 2.6894
Iteration: 3712; Percent complete: 92.8%; Average loss: 2.6992
Iteration: 3713; Percent complete: 92.8%; Average loss: 2.7174
Iteration: 3714; Percent complete: 92.8%; Average loss: 2.5818
Iteration: 3715; Percent complete: 92.9%; Average loss: 2.6703
Iteration: 3716; Percent complete: 92.9%; Average loss: 2.5048
Iteration: 3717; Percent complete: 92.9%; Average loss: 2.7490
Iteration: 3718; Percent complete: 93.0%; Average loss: 2.6542
Iteration: 3719; Percent complete: 93.0%; Average loss: 2.7477
Iteration: 3720; Percent complete: 93.0%; Average loss: 2.4950
Iteration: 3721; Percent complete: 93.0%; Average loss: 2.6997
Iteration: 3722; Percent complete: 93.0%; Average loss: 2.6816
Iteration: 3723; Percent complete: 93.1%; Average loss: 2.4302
Iteration: 3724; Percent complete: 93.1%; Average loss: 2.5426
Iteration: 3725; Percent complete: 93.1%; Average loss: 2.4839
Iteration: 3726; Percent complete: 93.2%; Average loss: 2.7340
Iteration: 3727; Percent complete: 93.2%; Average loss: 2.6138
Iteration: 3728; Percent complete: 93.2%; Average loss: 2.7054
Iteration: 3729; Percent complete: 93.2%; Average loss: 2.7504
Iteration: 3730; Percent complete: 93.2%; Average loss: 2.7205
Iteration: 3731; Percent complete: 93.3%; Average loss: 2.7578
Iteration: 3732; Percent complete: 93.3%; Average loss: 2.8587
Iteration: 3733; Percent complete: 93.3%; Average loss: 2.9270
Iteration: 3734; Percent complete: 93.3%; Average loss: 2.7222
Iteration: 3735; Percent complete: 93.4%; Average loss: 2.7213
Iteration: 3736; Percent complete: 93.4%; Average loss: 2.6702
Iteration: 3737; Percent complete: 93.4%; Average loss: 2.6471
Iteration: 3738; Percent complete: 93.5%; Average loss: 2.6078
Iteration: 3739; Percent complete: 93.5%; Average loss: 2.7186
Iteration: 3740; Percent complete: 93.5%; Average loss: 2.6023
Iteration: 3741; Percent complete: 93.5%; Average loss: 2.9626
Iteration: 3742; Percent complete: 93.5%; Average loss: 2.8468
Iteration: 3743; Percent complete: 93.6%; Average loss: 2.7226
Iteration: 3744; Percent complete: 93.6%; Average loss: 2.8998
Iteration: 3745; Percent complete: 93.6%; Average loss: 2.8648
Iteration: 3746; Percent complete: 93.7%; Average loss: 3.0555
Iteration: 3747; Percent complete: 93.7%; Average loss: 2.7035
Iteration: 3748; Percent complete: 93.7%; Average loss: 2.7067
Iteration: 3749; Percent complete: 93.7%; Average loss: 2.7013
Iteration: 3750; Percent complete: 93.8%; Average loss: 2.5435
Iteration: 3751; Percent complete: 93.8%; Average loss: 2.6595
Iteration: 3752; Percent complete: 93.8%; Average loss: 2.5083
Iteration: 3753; Percent complete: 93.8%; Average loss: 2.5779
Iteration: 3754; Percent complete: 93.8%; Average loss: 2.6909
Iteration: 3755; Percent complete: 93.9%; Average loss: 2.6591
Iteration: 3756; Percent complete: 93.9%; Average loss: 2.5542
Iteration: 3757; Percent complete: 93.9%; Average loss: 2.6636
Iteration: 3758; Percent complete: 94.0%; Average loss: 2.5661
Iteration: 3759; Percent complete: 94.0%; Average loss: 2.6147
Iteration: 3760; Percent complete: 94.0%; Average loss: 2.7017
Iteration: 3761; Percent complete: 94.0%; Average loss: 2.7625
Iteration: 3762; Percent complete: 94.0%; Average loss: 2.7397
Iteration: 3763; Percent complete: 94.1%; Average loss: 2.6138
Iteration: 3764; Percent complete: 94.1%; Average loss: 2.5307
Iteration: 3765; Percent complete: 94.1%; Average loss: 2.8562
Iteration: 3766; Percent complete: 94.2%; Average loss: 2.6652
Iteration: 3767; Percent complete: 94.2%; Average loss: 2.8562
Iteration: 3768; Percent complete: 94.2%; Average loss: 2.7857
Iteration: 3769; Percent complete: 94.2%; Average loss: 2.5083
Iteration: 3770; Percent complete: 94.2%; Average loss: 2.8911
Iteration: 3771; Percent complete: 94.3%; Average loss: 2.6249
Iteration: 3772; Percent complete: 94.3%; Average loss: 2.7005
Iteration: 3773; Percent complete: 94.3%; Average loss: 2.6009
Iteration: 3774; Percent complete: 94.3%; Average loss: 2.5665
Iteration: 3775; Percent complete: 94.4%; Average loss: 2.5138
Iteration: 3776; Percent complete: 94.4%; Average loss: 2.6655
Iteration: 3777; Percent complete: 94.4%; Average loss: 2.8657
Iteration: 3778; Percent complete: 94.5%; Average loss: 2.5001
Iteration: 3779; Percent complete: 94.5%; Average loss: 2.6228
Iteration: 3780; Percent complete: 94.5%; Average loss: 2.5617
Iteration: 3781; Percent complete: 94.5%; Average loss: 2.6953 Iteration: 3782; Fertigstellungsgrad: 94,5 %; Durchschnittlicher Verlust: 2,4952 Iteration: 3783; Prozentsatz abgeschlossen: 94,6 %; Durchschnittlicher Verlust: 2,5539 Iteration: 3784; Prozentsatz abgeschlossen: 94,6 %; Durchschnittlicher Verlust: 2,7657 Iteration: 3785; Prozentsatz abgeschlossen: 94,6 %; Durchschnittlicher Verlust: 2,6469 Iteration: 3786; Prozentsatz abgeschlossen: 94,7 %; Durchschnittlicher Verlust: 2,4009 Iteration: 3787; Prozentsatz abgeschlossen: 94,7 %; Durchschnittlicher Verlust: 2,6236 Iteration: 3788; Prozentsatz abgeschlossen: 94,7 %; Durchschnittlicher Verlust: 2,6385 Iteration: 3789; Prozentsatz abgeschlossen: 94,7 %; Durchschnittlicher Verlust: 2,5184 Iteration: 3790; Fertigstellungsgrad: 94,8 %; Durchschnittlicher Verlust: 2,6221 Iteration: 3791; Fertigstellungsgrad: 94,8 %; Durchschnittlicher Verlust: 2,6313 Iteration: 3792; Fertigstellungsgrad: 94,8 %; Durchschnittlicher Verlust: 2,5371 Iteration: 3793; Fertigstellungsgrad: 94,8 %; Durchschnittlicher Verlust: 2,8493 Iteration: 3794; Fertigstellungsgrad: 94,8 %; Durchschnittlicher Verlust: 2,8268 Iteration: 3795; Prozentsatz abgeschlossen: 94,9 %; Durchschnittlicher Verlust: 2,6625 Iteration: 3796; Prozentsatz abgeschlossen: 94,9 %; Durchschnittlicher Verlust: 2,3860 Iteration: 3797; Prozentsatz abgeschlossen: 94,9 %; Durchschnittlicher Verlust: 2,4374 Iteration: 3798; Fertigstellungsgrad: 95,0 %; Durchschnittlicher Verlust: 2,9135 Iteration: 3799; Fertigstellungsgrad: 95,0 %; Durchschnittlicher Verlust: 2,5645 Iteration: 3800; Fertigstellungsgrad: 95,0 %; Durchschnittlicher Verlust: 2,7008 Iteration: 3801; Fertigstellungsgrad: 95,0 %; Durchschnittlicher Verlust: 2,7151 Iteration: 3802; Fertigstellungsgrad: 95,0 %; Durchschnittlicher Verlust: 2,7126 Iteration: 3803; Fertigstellungsgrad: 95,1 %; Durchschnittlicher Verlust: 2,8037
Iteration: 3804; Percent complete: 95.1%; Average loss: 2.6022
Iteration: 3805; Percent complete: 95.1%; Average loss: 2.5613
Iteration: 3806; Percent complete: 95.2%; Average loss: 2.5516
Iteration: 3807; Percent complete: 95.2%; Average loss: 2.6314
Iteration: 3808; Percent complete: 95.2%; Average loss: 2.5786
Iteration: 3809; Percent complete: 95.2%; Average loss: 2.7161
Iteration: 3810; Percent complete: 95.2%; Average loss: 2.5971
Iteration: 3811; Percent complete: 95.3%; Average loss: 2.5140
Iteration: 3812; Percent complete: 95.3%; Average loss: 2.7214
Iteration: 3813; Percent complete: 95.3%; Average loss: 2.5879
Iteration: 3814; Percent complete: 95.3%; Average loss: 2.7323 Iteration: 3815; Fertigstellungsgrad: 95,4 %; Durchschnittlicher Verlust: 2,4288 Iteration: 3816; Fertigstellungsgrad: 95,4 %; Durchschnittlicher Verlust: 2,3905 Iteration: 3817; Fertigstellungsgrad: 95,4 %; Durchschnittlicher Verlust: 2,8395 Iteration: 3818; Prozentsatz abgeschlossen: 95,5 %; Durchschnittlicher Verlust: 2,6922 Iteration: 3819; Prozentsatz abgeschlossen: 95,5 %; Durchschnittlicher Verlust: 2,4721 Iteration: 3820; Prozentsatz abgeschlossen: 95,5 %; Durchschnittlicher Verlust: 2,6364 Iteration: 3821; Prozentsatz abgeschlossen: 95,5 %; Durchschnittlicher Verlust: 2,7145 Iteration: 3822; Prozentsatz abgeschlossen: 95,5 %; Durchschnittlicher Verlust: 2,9123 Iteration: 3823; Prozentsatz abgeschlossen: 95,6 %; Durchschnittlicher Verlust: 2,8346 Iteration: 3824; Prozentsatz abgeschlossen: 95,6 %; Durchschnittlicher Verlust: 2,6357 Iteration: 3825; Prozentsatz abgeschlossen: 95,6 %; Durchschnittlicher Verlust: 2,6206
Iteration: 3826; Percent complete: 95.7%; Average loss: 2.6325
Iteration: 3827; Percent complete: 95.7%; Average loss: 2.6916
Iteration: 3828; Percent complete: 95.7%; Average loss: 2.7359
Iteration: 3829; Percent complete: 95.7%; Average loss: 2.5711
Iteration: 3830; Percent complete: 95.8%; Average loss: 2.5284
Iteration: 3831; Percent complete: 95.8%; Average loss: 2.5201
Iteration: 3832; Percent complete: 95.8%; Average loss: 2.5575
Iteration: 3833; Percent complete: 95.8%; Average loss: 2.6967
Iteration: 3834; Percent complete: 95.9%; Average loss: 2.6176
Iteration: 3835; Percent complete: 95.9%; Average loss: 2.6494
Iteration: 3836; Percent complete: 95.9%; Average loss: 2.7287 Iteration: 3837; Prozentsatz abgeschlossen: 95,9 %; Durchschnittlicher Verlust: 2,6330 Iteration: 3838; Fertigstellungsgrad: 96,0 %; Durchschnittlicher Verlust: 2,5388 Iteration: 3839; Fertigstellungsgrad: 96,0 %; Durchschnittlicher Verlust: 2,6551 Iteration: 3840; Fertigstellungsgrad: 96,0 %; Durchschnittlicher Verlust: 2,7726 Iteration: 3841; Fertigstellungsgrad: 96,0 %; Durchschnittlicher Verlust: 2,6993 Iteration: 3842; Fertigstellungsgrad: 96,0 %; Durchschnittlicher Verlust: 2,5991 Iteration: 3843; Fertigstellungsgrad: 96,1 %; Durchschnittlicher Verlust: 2,8557 Iteration: 3844; Fertigstellungsgrad: 96,1 %; Durchschnittlicher Verlust: 2,7503 Iteration: 3845; Fertigstellungsgrad: 96,1 %; Durchschnittlicher Verlust: 2,6678 Iteration: 3846; Prozentsatz abgeschlossen: 96,2 %; Durchschnittlicher Verlust: 2,6106 Iteration: 3847; Prozentsatz abgeschlossen: 96,2 %; Durchschnittlicher Verlust: 2,5073
Iteration: 3848; Percent complete: 96.2%; Average loss: 2.8810
Iteration: 3849; Percent complete: 96.2%; Average loss: 2.8745
Iteration: 3850; Percent complete: 96.2%; Average loss: 2.5725
Iteration: 3851; Percent complete: 96.3%; Average loss: 2.6830
Iteration: 3852; Percent complete: 96.3%; Average loss: 2.6917
Iteration: 3853; Percent complete: 96.3%; Average loss: 2.5075
Iteration: 3854; Percent complete: 96.4%; Average loss: 2.7758
Iteration: 3855; Percent complete: 96.4%; Average loss: 2.6969
Iteration: 3856; Percent complete: 96.4%; Average loss: 2.6698
Iteration: 3857; Percent complete: 96.4%; Average loss: 2.6776
Iteration: 3858; Percent complete: 96.5%; Average loss: 2.6811 Iteration: 3859; Fertigstellungsgrad: 96,5 %; Durchschnittlicher Verlust: 2,5248 Iteration: 3860; Fertigstellungsgrad: 96,5 %; Durchschnittlicher Verlust: 2,6718 Iteration: 3861; Fertigstellungsgrad: 96,5 %; Durchschnittlicher Verlust: 2,5831 Iteration: 3862; Fertigstellungsgrad: 96,5 %; Durchschnittlicher Verlust: 2,5664 Iteration: 3863; Prozentsatz abgeschlossen: 96,6 %; Durchschnittlicher Verlust: 2,5255 Iteration: 3864; Prozentsatz abgeschlossen: 96,6 %; Durchschnittlicher Verlust: 2,4772 Iteration: 3865; Prozentsatz abgeschlossen: 96,6 %; Durchschnittlicher Verlust: 2,6524 Iteration: 3866; Fertigstellungsgrad: 96,7 %; Durchschnittlicher Verlust: 2,6471 Iteration: 3867; Fertigstellungsgrad: 96,7 %; Durchschnittlicher Verlust: 2,6476 Iteration: 3868; Fertigstellungsgrad: 96,7 %; Durchschnittlicher Verlust: 2,9476 Iteration: 3869; Fertigstellungsgrad: 96,7 %; Durchschnittlicher Verlust: 2,6810
Iteration: 3870; Percent complete: 96.8%; Average loss: 2.6436
Iteration: 3871; Percent complete: 96.8%; Average loss: 2.6814
Iteration: 3872; Percent complete: 96.8%; Average loss: 2.9034
Iteration: 3873; Percent complete: 96.8%; Average loss: 2.5310
Iteration: 3874; Percent complete: 96.9%; Average loss: 2.5421
Iteration: 3875; Percent complete: 96.9%; Average loss: 2.5524
Iteration: 3876; Percent complete: 96.9%; Average loss: 2.8562
Iteration: 3877; Percent complete: 96.9%; Average loss: 2.5371
Iteration: 3878; Percent complete: 97.0%; Average loss: 2.6829
Iteration: 3879; Percent complete: 97.0%; Average loss: 2.5408
Iteration: 3880; Percent complete: 97.0%; Average loss: 2.5973
Iteration: 3881; Percent complete: 97.0%; Average loss: 2.9697
Iteration: 3882; Percent complete: 97.0%; Average loss: 2.5783
Iteration: 3883; Percent complete: 97.1%; Average loss: 2.6535
Iteration: 3884; Percent complete: 97.1%; Average loss: 2.6010
Iteration: 3885; Percent complete: 97.1%; Average loss: 2.7076
Iteration: 3886; Percent complete: 97.2%; Average loss: 2.7900
Iteration: 3887; Percent complete: 97.2%; Average loss: 2.6427
Iteration: 3888; Percent complete: 97.2%; Average loss: 2.4965
Iteration: 3889; Percent complete: 97.2%; Average loss: 2.6037
Iteration: 3890; Percent complete: 97.2%; Average loss: 2.8009
Iteration: 3891; Percent complete: 97.3%; Average loss: 2.7477
Iteration: 3892; Percent complete: 97.3%; Average loss: 2.6942
Iteration: 3893; Percent complete: 97.3%; Average loss: 2.7080
Iteration: 3894; Percent complete: 97.4%; Average loss: 2.5550
Iteration: 3895; Percent complete: 97.4%; Average loss: 2.6863
Iteration: 3896; Percent complete: 97.4%; Average loss: 2.6794
Iteration: 3897; Percent complete: 97.4%; Average loss: 2.7341
Iteration: 3898; Percent complete: 97.5%; Average loss: 2.7724
Iteration: 3899; Percent complete: 97.5%; Average loss: 2.5887
Iteration: 3900; Percent complete: 97.5%; Average loss: 2.4887
Iteration: 3901; Percent complete: 97.5%; Average loss: 2.8475
Iteration: 3902; Percent complete: 97.5%; Average loss: 2.6156 Iteration: 3903; Prozentsatz abgeschlossen: 97,6 %; Durchschnittlicher Verlust: 2,5832 Iteration: 3904; Prozentsatz abgeschlossen: 97,6 %; Durchschnittlicher Verlust: 2,4399 Iteration: 3905; Prozentsatz abgeschlossen: 97,6 %; Durchschnittlicher Verlust: 2,5649 Iteration: 3906; Prozentsatz abgeschlossen: 97,7 %; Durchschnittlicher Verlust: 2,5641 Iteration: 3907; Prozentsatz abgeschlossen: 97,7 %; Durchschnittlicher Verlust: 2,6843 Iteration: 3908; Prozentsatz abgeschlossen: 97,7 %; Durchschnittlicher Verlust: 2,7426 Iteration: 3909; Prozentsatz abgeschlossen: 97,7 %; Durchschnittlicher Verlust: 2,6517 Iteration: 3910; Fertigstellungsgrad: 97,8 %; Durchschnittlicher Verlust: 2,4766 Iteration: 3911; Fertigstellungsgrad: 97,8 %; Durchschnittlicher Verlust: 2,7366 Iteration: 3912; Fertigstellungsgrad: 97,8 %; Durchschnittlicher Verlust: 2,6297 Iteration: 3913; Fertigstellungsgrad: 97,8 %; Durchschnittlicher Verlust: 2,7345 Iteration: 3914; Fertigstellungsgrad: 97,9 %; Durchschnittlicher Verlust: 2,4512 Iteration: 3915; Fertigstellungsgrad: 97,9 %; Durchschnittlicher Verlust: 2,5863 Iteration: 3916; Fertigstellungsgrad: 97,9 %; Durchschnittlicher Verlust: 2,4112 Iteration: 3917; Fertigstellungsgrad: 97,9 %; Durchschnittlicher Verlust: 2,6183 Iteration: 3918; Prozentsatz abgeschlossen: 98,0 %; Durchschnittlicher Verlust: 2,5369 Iteration: 3919; Prozentsatz abgeschlossen: 98,0 %; Durchschnittlicher Verlust: 2,6257 Iteration: 3920; Prozentsatz abgeschlossen: 98,0 %; Durchschnittlicher Verlust: 2,8218 Iteration: 3921; Prozentsatz abgeschlossen: 98,0 %; Durchschnittlicher Verlust: 2,7838 Iteration: 3922; Prozentsatz abgeschlossen: 98,0 %; Durchschnittlicher Verlust: 2,5347 Iteration: 3923; Prozentsatz abgeschlossen: 98,1 %; Durchschnittlicher Verlust: 2,8182 Iteration: 3924; Prozentsatz abgeschlossen: 98,1 %; Durchschnittlicher Verlust: 2,8228
Iteration: 3925; Percent complete: 98.1%; Average loss: 2.4613
Iteration: 3926; Percent complete: 98.2%; Average loss: 2.6345
Iteration: 3927; Percent complete: 98.2%; Average loss: 2.5573
Iteration: 3928; Percent complete: 98.2%; Average loss: 2.5987
Iteration: 3929; Percent complete: 98.2%; Average loss: 2.6230
Iteration: 3930; Percent complete: 98.2%; Average loss: 2.7079
Iteration: 3931; Percent complete: 98.3%; Average loss: 2.8116
Iteration: 3932; Percent complete: 98.3%; Average loss: 2.5638
Iteration: 3933; Percent complete: 98.3%; Average loss: 2.6776
Iteration: 3934; Percent complete: 98.4%; Average loss: 3.1590
Iteration: 3935; Percent complete: 98.4%; Average loss: 2.5967
Iteration: 3936; Percent complete: 98.4%; Average loss: 2.5994
Iteration: 3937; Percent complete: 98.4%; Average loss: 2.5659
Iteration: 3938; Percent complete: 98.5%; Average loss: 2.5290
Iteration: 3939; Percent complete: 98.5%; Average loss: 2.5583
Iteration: 3940; Percent complete: 98.5%; Average loss: 2.7167
Iteration: 3941; Percent complete: 98.5%; Average loss: 2.7366
Iteration: 3942; Percent complete: 98.6%; Average loss: 2.7614
Iteration: 3943; Percent complete: 98.6%; Average loss: 2.5108
Iteration: 3944; Percent complete: 98.6%; Average loss: 2.5622
Iteration: 3945; Percent complete: 98.6%; Average loss: 2.5238
Iteration: 3946; Percent complete: 98.7%; Average loss: 2.6395 Iteration: 3947; Fertigstellungsgrad: 98,7 %; Durchschnittlicher Verlust: 2,5558 Iteration: 3948; Fertigstellungsgrad: 98,7 %; Durchschnittlicher Verlust: 2,6299 Iteration: 3949; Fertigstellungsgrad: 98,7 %; Durchschnittlicher Verlust: 2,6570 Iteration: 3950; Fertigstellungsgrad: 98,8 %; Durchschnittlicher Verlust: 2,7326 Iteration: 3951; Fertigstellungsgrad: 98,8 %; Durchschnittlicher Verlust: 2,4626 Iteration: 3952; Fertigstellungsgrad: 98,8 %; Durchschnittlicher Verlust: 2,8095 Iteration: 3953; Fertigstellungsgrad: 98,8 %; Durchschnittlicher Verlust: 2,6987 Iteration: 3954; Prozentsatz abgeschlossen: 98,9 %; Durchschnittlicher Verlust: 2,8271 Iteration: 3955; Prozentsatz abgeschlossen: 98,9 %; Durchschnittlicher Verlust: 2,5704 Iteration: 3956; Prozentsatz abgeschlossen: 98,9 %; Durchschnittlicher Verlust: 2,4923 Iteration: 3957; Prozentsatz abgeschlossen: 98,9 %; Durchschnittlicher Verlust: 2,7392
Iteration: 3958; Percent complete: 99.0%; Average loss: 2.3489
Iteration: 3959; Percent complete: 99.0%; Average loss: 2.5856
Iteration: 3960; Percent complete: 99.0%; Average loss: 2.6154
Iteration: 3961; Percent complete: 99.0%; Average loss: 2.6293
Iteration: 3962; Percent complete: 99.1%; Average loss: 2.7962
Iteration: 3963; Percent complete: 99.1%; Average loss: 2.6515
Iteration: 3964; Percent complete: 99.1%; Average loss: 2.6082
Iteration: 3965; Percent complete: 99.1%; Average loss: 2.7281
Iteration: 3966; Percent complete: 99.2%; Average loss: 2.6643
Iteration: 3967; Percent complete: 99.2%; Average loss: 2.7574
Iteration: 3968; Percent complete: 99.2%; Average loss: 2.4648
Iteration: 3969; Percent complete: 99.2%; Average loss: 2.4254
Iteration: 3970; Percent complete: 99.2%; Average loss: 2.5172
Iteration: 3971; Percent complete: 99.3%; Average loss: 2.7743
Iteration: 3972; Percent complete: 99.3%; Average loss: 2.7413
Iteration: 3973; Percent complete: 99.3%; Average loss: 2.6376
Iteration: 3974; Percent complete: 99.4%; Average loss: 2.5133
Iteration: 3975; Percent complete: 99.4%; Average loss: 2.8758
Iteration: 3976; Percent complete: 99.4%; Average loss: 2.6715
Iteration: 3977; Percent complete: 99.4%; Average loss: 2.7414
Iteration: 3978; Percent complete: 99.5%; Average loss: 2.5120
Iteration: 3979; Percent complete: 99.5%; Average loss: 2.4649 Iteration: 3980; Fertigstellungsgrad: 99,5 %; Durchschnittlicher Verlust: 2,3961 Iteration: 3981; Fertigstellungsgrad: 99,5 %; Durchschnittlicher Verlust: 2,6099 Iteration: 3982; Prozentsatz abgeschlossen: 99,6 %; Durchschnittlicher Verlust: 2,3744 Iteration: 3983; Prozentsatz abgeschlossen: 99,6 %; Durchschnittlicher Verlust: 2,7075 Iteration: 3984; Prozentsatz abgeschlossen: 99,6 %; Durchschnittlicher Verlust: 2,5045 Iteration: 3985; Prozentsatz abgeschlossen: 99,6 %; Durchschnittlicher Verlust: 2,5938 Iteration: 3986; Fertigstellungsgrad: 99,7 %; Durchschnittlicher Verlust: 2,8155 Iteration: 3987; Fertigstellungsgrad: 99,7 %; Durchschnittlicher Verlust: 2,3436 Iteration: 3988; Fertigstellungsgrad: 99,7 %; Durchschnittlicher Verlust: 2,7481 Iteration: 3989; Fertigstellungsgrad: 99,7 %; Durchschnittlicher Verlust: 2,6009 Iteration: 3990; Fertigstellungsgrad: 99,8 %; Durchschnittlicher Verlust: 2,4274
Iteration: 3991; Percent complete: 99.8%; Average loss: 2.6879
Iteration: 3992; Percent complete: 99.8%; Average loss: 2.6810
Iteration: 3993; Percent complete: 99.8%; Average loss: 2.6043
Iteration: 3994; Percent complete: 99.9%; Average loss: 2.7498
Iteration: 3995; Percent complete: 99.9%; Average loss: 2.4941
Iteration: 3996; Percent complete: 99.9%; Average loss: 2.6143
Iteration: 3997; Percent complete: 99.9%; Average loss: 2.4641
Iteration: 3998; Percent complete: 100.0%; Average loss: 2.7322
Iteration: 3999; Percent complete: 100.0%; Average loss: 2.6586
Iteration: 4000; Percent complete: 100.0%; Average loss: 2.9412
运行评估
要与您的模型聊天,请运行以下块。
# Dropout-Ebenen auf „eval“-Modus setzen
Encoder.eval ()
Decoder.eval ()
# Suchmodul initialisieren
searcher = GreedySearchDecoder ( Encoder , Decoder )
# Chatten beginnen (kommentieren Sie die folgende Zeile aus und führen Sie sie aus, um zu beginnen)
#valueInput(encoder , Decoder, Sucher, Gesang)
abschließend
Darum geht es dieses Mal, Leute. Herzlichen Glückwunsch, Sie verstehen jetzt die Grundlagen zum Aufbau eines generativen Chatbot-Modells! Wenn Sie interessiert sind, können Sie versuchen, das Verhalten des Chatbots anzupassen, indem Sie die Modell- und Trainingsparameter optimieren und die Daten anpassen, anhand derer das Modell trainiert wurde.
Schauen Sie sich die anderen Tutorials für noch mehr coole Deep-Learning-Anwendungen in PyTorch an!