Wolfgang Stolzmann: Antizipative Classifier Systems

Abstract: Antizipative Classifier Systems oder kurz ACSs sind Classifier Systems, die mittels antizipativer Verhaltenssteuerung lernen. Classifier Systems wurden 1978 von J. Holland eingeführt und bilden neben künstlichen neuronalen Netzen und Multi-Agenten-Systemen eine wichtige Klasse lernender Systeme in der Künstlichen Intelligenz. Antizipative Verhaltenssteuerung, wie sie 1992 von J. Hoffmann postuliert wurde, ist eine psychologische Lerntheorie, bei der Verhalten eine Grundvoraussetzung für Lernen ist.
In der vorliegenden Arbeit ist es gelungen, antizipative Verhaltenssteuerung in Classifier Systems zu integrieren und somit zu einem Lernalgorithmus weiterzuentwickeln. Dabei wurde das Ziel verfolgt, die Ideen der antizipativen Verhaltenssteuerung möglichst unmittelbar im Algorithmus wiederzufinden.
Im einzelnen gliedert sich die Arbeit in 5 Kapitel. In Kapitel 1 wird eine kurze Einführung in die Theorie der antizipativen Verhaltenssteuerung gegeben. Kapitel 2 umfaßt eine ausführliche Diskussion verschiedener Varianten von Cassifier Systems. Der Kern der Arbeit besteht aus Kapitel 3. Hier werden auf der Grundlage von Kapitel 1 und Kapitel 2 ACSs formal definiert. Das 4. Kapitel dient der Evaluation von ACSs. Dazu werden zwei Anwendungen antizipativer Classifier Systems diskutiert. Zum einen wird ein Tierexperiment aus der Verhaltensforschung und zum anderen eine Lernaufgabe für einen Roboter simuliert. Im 5. Kapitel werden Grenzen und Erweiterungsmöglichkeiten von ACSs diskutiert.

Keywords: Lernen, Classifier Systems, antizipative Verhaltenssteuerung

Published: Wolfang Stolzmann (1997): Antizipative Classifier Systems. Aachen: Shaker Verlag

Erzeugt: 10.10.97; letzte Änderung: 9.6.98 / WST