Information Technology Reference
In-Depth Information
se spezielle Verfahren wie regelbasierte Expertensysteme, automatische Theorembe-
weiser und viele Operations-Research-Ansätze, die moderner Planungssoftware zu-
grundeliegen. Obwohl diese traditionellen Ansätze teilweise sehr erfolgreich waren
und sind, haben sie deutliche Grenzen, insbesondere was die Skalierbarkeit angeht.
Eine leichte Erschwerung des zu lösenden Problems geht meist mit einer nicht hand-
habbaren Komplexitätssteigerung einher. Somit sind diese Verfahren allein, obwohl
sie eine optimale, präzise oder wahre Lösung garantieren, für praktische Probleme
häufig nicht einsetzbar [Beierle u. Kern-Isberner 2008].
Deswegen werden weiterhin effiziente Methoden zur Verarbeitung und Reprä-
sentation von Wissen gesucht. Bewährt haben sich für einige Problemstellungen Ver-
fahren, die sich an natürlichen bzw. biologischen Prozessen orientieren [Brownlee
2011]. Diese Herangehensweise stellt einen Paradigmenwechsel weg von der sym-
bolischen Repräsentation und hin zu Inferenzstrategien für Anpassung und Lernen
dar. Zu diesen Ansätzen gehören Künstliche Neuronale Netze, Evolutionäre Algo-
rithmen und Fuzzy-Systeme [Pedrycz 1997, Engelbrecht 2007]. Diese neuen Metho-
den haben sich, meist in Kombination mit traditionellen Problemlösungstechniken,
in vielen Anwendungsbereichen bewährt.
1.2 Computational Intelligence
Das Forschungsgebiet der Computational Intelligence (CI) als Teilgebiet der Künstli-
chen Intelligenz umfasst Konzepte, Paradigmen, Algorithmen und Implementierun-
gen zur Entwicklung von Systemen, die intelligentes Verhalten in komplexen Umge-
bungen automatisieren sollen. Es werden subsymbolische, naturanaloge Methoden
verwendet, die unvollständiges, unpräzises und unsicheres Wissen tolerieren und
auf diese Weise approximative, handhabbare, robuste und ressourcengünstige Lö-
sungen ermöglichen.
Die im Bereich Computational Intelligence verwendete Problemlösungsstrategie
besteht darin, approximative Techniken und Methoden zu verwenden, die ungefäh-
re, unvollständige oder nur partiell wahre Lösungen zu Problemen finden können,
dies aber im Gegenzug in einem akzeptablen Zeit- und Kostenrahmen bewerkstelli-
gen. Diese Ansätze bestehen aus relativ einfachen Teilabläufen, die im Zusammen-
spiel zu komplexem und selbstorganisierendem Verhalten führen. Dadurch entzie-
hen sich diese heuristischen Verfahren oft einer klassischen Analyse, sie sind aber in
der Lage, schnell ungefähre Lösungen zu ansonsten nur schwierig lösbaren Proble-
men zu generieren.
Bei einem Umfang von 400 Seiten kann das Gebiet Computational Intelligence
in diesem Buch nicht vollständig behandelt werden. Wir beschränken uns daher auf
die Beschreibung von vier in der Praxis oft verwendeten Techniken.
In den ersten beiden Teilen dieses Buches werden sogenannte „naturanaloge“
Verfahren beschrieben. Die hier verfolgte Idee besteht darin, in der Natur vorkom-
mende Problemlösungsstrategien zu analysieren. Teilaspekte der Lösungsstrategie
werden dann auf dem Computer modellieren oder simuliert, ohne dabei die Ur-
sprungssysteme selbst korrekt modellieren zu wollen und ohne die biologische Plau-
sibilität der Systeme zu berücksichtigen. Besonders erfolgreiche wichtige Vertreter
