Agentenbasierte Schwarmintelligenz

توزیع مستقل سیستم‌های ذاتی یک کار پیچیده است که همیشه کار نمی‌کند. روش‌های بهینه‌سازی الهام‌گرفته از طبیعت مانند بهینه‌سازی ازدحام ذرات (PSO) را می‌توان به‌طور موازی تا حد محدودی محاسبه کرد. Tjorben Bogon بهبود قابل توجهی در PSO ایجاد می کند که مبتنی بر تجزیه و تحلیل انطباق مستقل و امکانات بهبود فراابتکاری است. تمرکز بر کنترل دینامیکی مستقل و ادغام دانش اضافی در فرآیند بهینه سازی فعلی است. نویسنده بررسی می کند که چگونه از یک سو می توان دانش جدید را از فرآیند بهینه سازی تولید کرد و از سوی دیگر چگونه می توان این دانش را منتشر کرد و در بهینه سازی های دیگر ادغام کرد. او این وظایف را تحت فرض اتصال یک سیستم عامل تجزیه و تحلیل می‌کند و نشان می‌دهد که چگونه بهینه‌سازی را می‌توان کارآمدتر انجام داد و چگونه می‌توان آن را به صورت مشترک به صورت موازی انجام داد.

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 Optimierungsverlauf generiert werden kann und zum anderen, wie dieses Wissen verbreitet und in andere Optimierungen eingebunden werden kann. Er analysiert diese Aufgaben unter der Prämisse einer Anbindung eines Agentensystems und zeigt, wie die Optimierung effizienter ausgeführt und wie sie parallel kooperativ durchgeführt werden kann.