Dynamisch-adaptive Situationserkennung und Lernverfahren zum Erwerb individueller und kooperativer Fähigkeiten in Multi-Agentensystemen (DyMAS)

这一问题在多主体系统中是存在的，而不是从多主体的角度出发的。这是一件很重要的事情，因为这是一件很重要的事情。这是一个非常重要的问题，因为这是一项非常重要的工作，因为它是一项非常重要的工作。与之相适应的情况是，这两种情况都发生了变化。在机器人世界杯的比赛中，每个人都有自己的想法和团队，这就是分层学习。

Ein Problem beim Einsatz von Lernverfahren in Multi-Agentensystemen besteht darin, von der Vielzahl möglicher Zustände abstrahieren zu müssen, um eine gewisse Anzahl relevanter Situationen unterscheiden zu können. Dabei ist es wünschenswert, diese Klassifikation nicht statisch vorzugeben, sondern adaptiv zu gestalten. Hierzu soll ein am Institut für Informatik der Johannes Gutenberg-Universität Mainz neu entwickeltes, auf dem Kohonenmodell basierendes, neuronales Lernverfahren (DYCON) eingesetzt werden, das sich bereits bei der Klassifikation von Prozessen in Sportspielen bewährt hat. Diese adaptive Situationserkennung soll mit verschiedenen Lernverfahren gekoppelt werden und auch Rückwirkungen der Lernverfahren auf die Situationserkennung betrachtet werden. Die gekoppelten Lernverfahren sollen dann auf verschiedenen Abstraktionsstufen zum Lernen individueller Einzelfähigkeiten und kooperativer Teamfähigkeiten im RoboCup eingesetzt werden (layered learning).