Genetische Lernverfahren und Multiagentensysteme

Genetische Lernverfahren können zur Entwicklung von besonders komplexen Algorithmen, wie das Laufen lernen von Robotern, verwendet werden. Aber können sie auch zum Ermitteln von optimalen Kombinationen verschiedener Elemente eingesetzt werden? Der Autor Christian Maschmann gibt einführend einen Überblick über die Grundlagen genetischer Algorithmen und ihrer verschiedenen Selektions- und Mutationsverfahren, sowie (Multi-)Agentensystemen, um anschließend die Frage exemplarisch und experimentell beantworten zu können. Dabei wird versucht eine marktwirtschaftliche Simulation - in Form eines Multiagentensystems - mit verschiedenen Akteuren (Agenten), die unterschiedliche Charaktere besitzen, zu optimieren. Die Optimierung zielte dabei auf einen maximalen und unter den Akteuren ausgewogen verteilten Gewinn ab. Es wird der Ablauf der Arbeit von den Grundlagen über Analyse, Design und Realisierung bis zur Evaluation und Ausblick behandelt. Das Buch richtet sich an alle, die einen praktischen Einstieg in die genetischen Lernverfahren im Bereich der künstlichen Intelligenz suchen.

Christian Maschmann, B.Sc.: Studium der Angewandten Informatik an der HAW Hamburg. Softwareentwickler bei der dataplan Beratungsgesellschaft mbH, Hamburg.