diff --git a/ea/project/blatt11.pdf b/ea/project/blatt11.pdf
new file mode 100644
index 0000000..b132512
--- /dev/null
+++ b/ea/project/blatt11.pdf
Binary files differ
diff --git a/ea/ubA/a28.py b/ea/ubA/a28.py
new file mode 100644
index 0000000..3e1edba
--- /dev/null
+++ b/ea/ubA/a28.py
@@ -0,0 +1,44 @@
+import numpy as np
+import matplotlib.pyplot as plt
+
+def ES(n,sigma,eval,term=lambda P,t:t>=100000,kappa=0.82,zw=0.2,fit=lambda P:P[0],lb=-10,ub=10):
+    t=0
+    P=np.random.uniform(lb, ub, n)
+    succ=0
+    stats=[]
+    while not term(P,t):
+        Pm=P+np.random.normal(0,sigma,n)
+
+        if eval(P,Pm,t):
+            P=Pm
+            succ=succ+1
+        t=t+1
+        if (t % 100) == 0:
+            we=succ/100
+            stats.append([t,sigma,we,fit(P)])
+            if we < zw:
+                sigma=sigma*kappa
+            if we > zw:
+                sigma=sigma/kappa
+            succ=0
+    return stats
+
+def minimizeAbs(P,Pm,t):
+    return np.sum(np.abs(P))>np.sum(np.abs(Pm))
+
+def corridor(P,Pm,t,b=np.array([10,13,1,6,18,20,4,10,13,2])):
+    if (P[1]-Pm[1]) <= b[t//10000]:
+        return Pm[0]>P[0]
+    else:
+        return 0
+
+stats=np.zeros((6,4,1000))
+j=0
+for zw in np.array([0.15,0.2,0.25,0.3,0.5,0.6]):
+    for i in np.arange(0,100):
+        stats[j]=stats[j]+np.transpose(ES(2,1,corridor,zw=zw,lb=0,ub=0))
+    stats[j]=stats[j]/100
+    print(j)
+    j=j+1
+
+np.save("/home/jph/abgabensammlungSS15/ea/ubA/figures/stats.npy",stats)
diff --git a/ea/ubA/blatt10.pdf b/ea/ubA/blatt10.pdf
new file mode 100644
index 0000000..13ccf61
--- /dev/null
+++ b/ea/ubA/blatt10.pdf
Binary files differ
diff --git a/ea/ubA/eaA.pdf b/ea/ubA/eaA.pdf
new file mode 100644
index 0000000..5c8f0fa
--- /dev/null
+++ b/ea/ubA/eaA.pdf
Binary files differ
diff --git a/ea/ubA/eaA.tex b/ea/ubA/eaA.tex
index 316f582..fb43b20 100644
--- a/ea/ubA/eaA.tex
+++ b/ea/ubA/eaA.tex
@@ -82,7 +82,28 @@
     	\textit{Jan-Peter Hohloch}\\ \textit{Maximus Mutschler}
     }{SS 15}{3}%TODO update
     \vspace{0.5cm}
-    \Aufgabe{1/5-Erfolgsregel (Theorie)}{5}\\
+    \Aufgabe{1/5-Erfolgsregel (Theorie)}{5}
+        \begin{enumerate}[(a)]
+            \item Liegt die Sphäre (abhängig von $\sigma$) vollständig im Korridor, so ist die Erfolgswahrscheinlichkeit $0.5$. Für größere $\sigma$ wird die Erfolgswahrscheinlichkeit geringer, jedoch der mögliche Fortschritt größer.\\
+            Die geringere Erfolgswahrscheinlichkeit ist bedingt durch den kleineren Anteil des Korridors an der Sphären-Außenfläche.
+            \item Ist eine Erfolgswahrscheinlichkeit von $\frac{1}{5}$ optimal, so muss bei größerer Erfolgswahrscheinlichkeit $\sigma$ vergrößert werden (s.o.); bei zu kleiner Erfolgswahrscheinlichkeit umgekehrt. Dies ermöglicht größeren Fortschritt und damit schneller bessere Fitness ($\varphi$).
+            \item $w_e=0.2$, $b=1.5cm$\\
+                $2\pi\cdot r\cdot w_e= c$ Bogenlänge\\
+                $c=2r\cdot\sin^{-1}\left(\frac{s}{2r}\right)$\\
+                $\Rightarrow \pi\cdot w_e=\sin^{-1}\frac{s}{2r}\\
+                \Leftrightarrow \sin\left(\pi\cdot w_e\right)=\frac{s}{2r}\\
+                \Leftrightarrow r=\frac{s}{2\sin\left(w_e\pi\right)}\\
+                \Rightarrow r=\frac{3cm}{2\sin\left(0.2\pi\right)}\approx 2.552cm=\sigma_{opt}$
+        \end{enumerate}
+    \Aufgabe{1/5-Erfolgsregel (Praxis)}{11}\\
+        %TODO plots
+    \Aufgabe{Rekombinations in ES}{4}
+        \begin{enumerate}[(a)]
+            \item $a_1'=(0.23,-0.92,-0.23,-0.85,0.21)$
+            \item $a_2'=((0.25,1.18,0.36,0.53,0.14)+(1.18,-0.88,-0.23,-0.85,0.14))/2\\=(0.715,0.15,0.065,-0.16,0.14)$
+            \item $a_3'=((0.25,-0.65,-0.31,-1.58,0.25)+(0.23,0.72,0.64,-0.85,0.25))/2\\=(0.24 ,  0.035,  0.165, -1.215,  0.25)$
+            \item $a_4'=(0.25,1.18,0.67,0.47,0.195)$
+        \end{enumerate}
 
 \end{document}
 
diff --git a/ea/ubA/figures/stats.npy b/ea/ubA/figures/stats.npy
new file mode 100644
index 0000000..a6411d6
--- /dev/null
+++ b/ea/ubA/figures/stats.npy
Binary files differ