diff --git a/ea/Ub5/ea5.pdf b/ea/Ub5/ea5.pdf
index 5b8a725..a8ad4e7 100644
--- a/ea/Ub5/ea5.pdf
+++ b/ea/Ub5/ea5.pdf
Binary files differ
diff --git a/ea/Ub5/ea5.tex b/ea/Ub5/ea5.tex
index 48a0520..c366246 100644
--- a/ea/Ub5/ea5.tex
+++ b/ea/Ub5/ea5.tex
@@ -26,8 +26,8 @@
 
 
 \newcommand{\makeTableLine}[2][0]{%
-  \setcounter{aufgabe}{10}%TODO update
-  \whiledo{\value{aufgabe} < 13}%TODO update
+  \setcounter{aufgabe}{13}%TODO update
+  \whiledo{\value{aufgabe} < 16}%TODO update
   {%
     #2\tand\stepcounter{aufgabe}%
   }
@@ -78,15 +78,15 @@
 
 \begin{document}
     %\header{BlattNr}{Tutor}{Abgabedatum}{Vorlesungsname}{Namen}{Semester}{Anzahl Aufgaben}
-    \header{5}{}{2015-19-05}{Evolutionäre Algorithmen}{
+    \header{5}{}{2015-06-02}{Evolutionäre Algorithmen}{
     	\textit{Jan-Peter Hohloch}\\ \textit{Maximus Mutschler}
     }{SS 15}{3}%TODO update
     \vspace{0.5cm} \Aufgabe{EvA2}{7}\\
     \begin{enumerate}[(a)]
-        \item Die stabilere Linie ist der bisherige Mittelwert der Fitness. Außerdem wird für die aktuelle Generation die Fitness geplottet.
-        \item Roulette-Wheel erreicht die beste Fitness, während RandomSelection schlechte Ergebnisse erzielt.\\
+        \item Die stabilere Linie ist der Mittelwert der Fitness der bisherigen Runs nach einer gewissen Zahl function calls. Außerdem wird für den aktuellen Run die Populations-Fitness zum Zeitpunkt eines gewissen function call geplottet.
+        \item Roulette-Wheel erreicht die beste Fitness, während RandomSelection schlechte Ergebnisse erzielt. Man sieht, dass die Steigung der entsprechenden Fitnesskurve schneller oder später abnimmt. Dies liegt daran, dass zufälliges Auswählen (Roulette-Wheel) gute Individuen erhalten kann, auch wenn sie noch keine gute Fitness haben, bei SelectBest ist das nicht der Fall. SelectRandom strebt nur gegen eine mittelmäßige Fitness, da nicht durch Selektion optimiert wird, sondern zufällige Individuen gewählt werden.\\
         \includegraphics[width=0.5\textwidth]{A1.png}
-        \item Bei wenigen function calls sind kleine Populationen etwas besser (die durchschnittliche Fitness betreffend). Später setzten sie gute Individuen auch in der größeren Population durch.\\
+        \item Bei wenigen function calls sind kleine Populationen etwas besser (die durchschnittliche Fitness betreffend). Später setzten sie gute Individuen auch in der größeren Population durch. Allerdings sind im Plot keine großen Unterschiede zu erkennen, da sich im Großen und Ganzen alle Populationen stark verbessern. Etwa bei 4000 function calls ist der Unterschied am deutlichsten erkennbar.\\
         \includegraphics[width=0.5\textwidth]{A1c.png}
     \end{enumerate}
     \Aufgabe{Mandelbrot}{7}