Options
2008
Diploma Thesis
Title
Adaption und Optimierung von Petri-Netz-basiertem Agentenverhalten
Abstract
Adaptieren und Optimieren von Agentenverhalten in Multi-Agenten-Systemen ist eine aktuelle Fragestellung der Künstlichen Intelligenz. Dabei spielt die Beschreibung von Agentenverhalten eine grundlegenden Rolle. In dieser Diplomarbeit werden Agentenverhalten durch eine, auf Petri-Netzen basierende, Prozessmodellierungssprache beschrieben um Agentenverhalten einer Simulation zu modellieren. Je nach Anwendungsfall der Simulation müssen spezielle Erweiterungen der Prozessmodellierungssprache beachtet werden. Die wissenschaftliche Fragestellung dieser Arbeit bezieht sich auf ein Verfahren, welches diese Prozessmodellierungssprache, und damit Agentenverhalten, zu adaptieren und optimieren vermag. Zu diesem Zweck wurde aus einer Kombination von Genetischen Algorithmen, erweiterten Datenstrukturen und heuristischen Operatoren, ein Verfahren entwickelt, welches diese Aufgabe löst. Bei den erweiterten Datenstrukturen handelt es sich um Graphen für Petri-Netze und binären Bäumen für Token-Strukturen, auf denen heuristische Operatoren für Genetische Algorithmen Mutation und Crossover implementieren. Der Crossover für Petri-Netze basiert auf einem Graph-Matching Algorithmus, welcher als einer der wesentlichen Innovationen dieser Arbeit gilt. Mit diesem Verfahren ist es möglich, das Ziel einer Simulation festzulegen und zu adaptieren. Weiterhin ermöglicht das Verfahren die Optimierung bereits bestehende Agentenverhalten einer beliebigen Simulation.
;
Adaption and optimizing of agent-behaviours in Multi-Agent-Systems is a current question in artificial intelligence. The form of description of agent-behaviours is fundamental signification. In the diploma-thesis at hand, an agent-behaviour is described by a Petri-Net-based process-modelling-language. In different topics of simulations, the process-modelling-language has been modified with special extensions. The scientific question of this diploma thesis relates to a method for adapting and optimizing agent-behaviours, that are modelled with this process-modelling-language. For this purposes a combination of genetic algorithm, extended data-structures and heuristic operators build a method, that solves the problem. The extended data-structures are graph-based Petri-Nets and binary trees for Token-states. On this data-structures the mutation and crossover are implemented with heuristic operators. A basic innovation of this diploma-thesis is the graph-matching-based crossover for Petri-Nets. With this adaption and optimizing method objectives of a simulation can be configured and the method adapts the agent-behaviours to archive the objectives. Furthermore, the method also can start with agent-behaviours to optimize them.
Thesis Note
Gummersbach, FH, Dipl.-Arb., 2008
Publishing Place
Gummersbach