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

点击翻译按钮获取中文摘要

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).