Abstract

Die Steigerung der Leistungsfähigkeit von Arbeitsplatzrechnern zusammen mit der Entwicklung unkonventioneller Modellbildungsparadigmen eröffnet neue Möglichkeiten der Problemlösung. In der vorliegenden Arbeit werden die inzwischen weitgehend bekannten neuen Paradigmen Fuzzy-Logik, Genetische Algorithmen und Neuronale Netze einführend kurz vorgestellt. Anschließend wird an Hand zweier Beispiele aus der aktuellen Forschungsarbeit dargestellt, wie spezifische Modellformen und unkonventionelle Paradigmen einander bei der Entwicklung von Problemlösungen ergänzen können. Im ersten Beispiel wird die Wechselwirkung zwischen Belastung und Leistung mit Hilfe eines uninterpretierten Level-Raten-Modells auf abstrakter Ebene analysiert, und es wird ein Genetischer Algorithmus zur Optimierung des Belastungsprofils verwendet. Das zweite Beispiel befasst sich mit dem Problem der Erfassung und Analyse komplexer Spielprozesse. Hier wird die Einsatzmöglichkeit Neuronaler Netze vorgestellt, und es wird das mögliche Zusammenwirken mit Ansätzen der Fuzzy-Logik diskutiert. Abschließend wird kurz auf eine aktuelles Ergebnis eingegangen, das zeigt, wie die beiden skizzierten Ansätze zu einer dynamischen Modellierung kontinuierlicher Lernprozesse kombiniert werden können. Verf.-Referat

Abstract

The increase of the performance capability of desk-top computers together with the development of unconventional paradigms of model formation offers new possibilities of problem solving. In the introduction of this article the by now widely known new paradigms of Fuzzy Logic, Genetic Algorithms and Neuronal Networks are briefly presented. After that, two examples from the current research work are used to show how specific forms of models and unconventional paradigms can supplement one another when developing problem solutions. In the first example the interaction of load and performance is analyzed at an abstract level with the aid of a non-interpreted Level-Rate Model, and a Genetic Algorithm is used for the optimization of the load profile. The second example deals with the problem of capturing and analyzing complex playing processes. In this context the use of Neuronal Networks is presented and the possible interaction with methods of Fuzzy Logic is discussed. Finally a current result is briefly dealt with. This result shows how the two outlined approaches can be combined to a dynamic model of continuous learning processes. Verf.-Referat