Agentenbasierte Schwarmintelligenz

Das autonome Verteilen von inhärenten Systemen ist eine komplexe, nicht immer funktionierende Aufgabe. Naturinspirierte Optimierungsmethoden wie die Partikel Schwarm Optimierung (PSO) sind nur bedingt verteilt parallel berechenbar. Tjorben Bogon entwickelt eine signifikante Verbesserung der PSO, welche auf einer Analyse der autonomen Anpassungs- und Verbesserungsmöglichkeiten von Metaheuristiken basiert. Der Fokus liegt dabei auf der autonomen dynamischen Steuerung und Integration von Zusatzwissen in den aktuellen Optimierungsverlauf. Der Autor untersucht, wie zum einen neues Wissen aus dem Op.

"Research"--Cover.

"Dissertation Universität Trier, 2012"--Title page verso.

Geleitwort; Inhaltsverzeichnis; Teil I Einleitung; 1 Motivation; 1.1 Bedeutung von Heuristiken in der Informatik; 1.2 Ziel der Arbeit; Teil II Wissenschaftliche Einordnung der Arbeit; 2 Künstliche Intelligenz und Optimierung; 2.1 Künstliche Intelligenz; 2.2 Verteilte Künstliche Intelligenz; 2.2.1 Selbstorganisation und Emergenz; 2.2.2 Koordination und Kooperation; 2.2.3 Konkurrenz; 2.3 Metaheuristiken; 2.3.1 Optimierung; 2.3.2 Optimierungen in logistischen Szenarien; 2.3.3 Einzellösungsverfahren; 2.3.4 Populations-basierte Verfahren; 2.4 Schwarmintelligenz.

2.5 Fazit der thematischen Einordnung3 State of the Art; 3.1 Partikel Schwarm Optimierung (PSO); 3.1.1 Bewegungsberechnungen; 3.1.2 Topologie; 3.2 Arten der Partikel Schwarm Optimierung; 3.2.1 Niching; 3.2.2 Parallele PSO; 3.2.3 Hybride Schwärme; 3.3 Selbstorganisierende Optimierung; 3.4 Fazit; Teil III Agentenbasierte Schwarmintelligenz; 4 Kontrollierte Agenten-gesteuerte Schwarmoptimierung; 4.1 Aufbau einer PSO; 4.2 Konstruktion des Frameworks; 4.3 Autonome Optimierungsverwaltung; 5 Verteilung von Schwärmen; Parallele Optimierung durch Wissensaustausch(APPSO).

6 Dynamische Konfiguration der PSO6.1 Analyse des Schwarmverhalt…