Skip to main content
SpringerLink
Log in
Book cover

Algorithmen kompakt und verständlich pp 129–172Cite as

Künstliche Intelligenz

  • Chapter
  • First Online:

  • 6265 Accesses

Zusammenfassung

Manchmal haben wir Aufgaben zu lösen, bei denen es nicht genügt, den Computer die Fleißarbeit erledigen zu lassen, nachdem wir das eigentliche Problem schon gelöst haben. Wie kann ein Computer „lernen“? Kann er Aufgaben „selbstständig“ lösen? Kann er „intelligent“ sein?

This is a preview of subscription content, log in via an institution.

Notes

  1. 1.

    Tatsächlich ist das Handlungsreisenden-Problem NP-vollständig, es ist also kein Verfahren bekannt, es in polynomieller Zeit zu lösen.

  2. 2.

    Im Kern sind hier nur s/n und emin(Start)/eStart,Ziel bedeutsam, der Rest stellt lediglich eine Gewichtung dieser beiden Faktoren dar, mit der wir beliebig experimentieren können.

  3. 3.

    Ein „Schritt“ entspricht hier ca. 1/5 der kürzesten Entfernung zweier Städte.

  4. 4.

    Wir beachten hier, dass 70! = 10100

  5. 5.

    Unterschiedliche Signalintensitäten veranschaulichen wir hier durch unterschiedliche Strichstärken.

  6. 6.

    Abweichungen zu 100 % resultieren aus der Rundung. Fett markiert sind diejenigen Zahlen, die idealerweise 100 sein sollten, alle anderen Werte sollten idealerweise 0 sein.

Literatur

Quellen zu einzelnen Algorithmen:

    Vier-Farben-Problem

    1. Heawood P. J.: „On the four color map theorem“. Quart. J. 29, 270–285 1898

      MATH  Google Scholar 

    2. Appel K., Haken W.: „Every planar map is four colourable“. Part I Discharging, Part II Reducability, Illinois Journal Math. 21, 429–567 1977

      MATH  Google Scholar 

    3. Robertson N., Sanders D., Seymour P., Thomas R.: „A new proof of the four color theorem“. Electronic Res. Announc. Am. Math. Soc. 2(1), 17–25 1996

      Article  Google Scholar 

    4. Gonthier G.: „A computer checked proof of the four colour theorem“. Microsoft Research Cambridge 2004

      Google Scholar 

    Entscheidungsbäume

    1. Quinlan J. R.: „Discovering rules by induction from large collections of examples“. In: Michie D. (Hrsg.) „Expert systems in the Micro Electronic Age“, S. 168–201. Edinburgh University Press, Edinburgh 1979

      Google Scholar 

    2. Quinlan J. R.: „C4.5: Programs for Machine Learning“. Morgan Kaufmann 1993

      Google Scholar 

    Schwarmintelligenz

    1. Beni G., Wang J.: „Swarm intelligence in Cellular Robotic Systems“, NATO advanced workshop on Robots and Biological Systems, 26.-30.6. Italien 1989

      Google Scholar 

    Ameisen-Algorithmen

    1. Dorigo M., Gambardella L.M.: „Solving symmetric and asymmetric TSPs by Ant Colonies“. In: Baeck T., Fukuda T., Michalewicz Z. (Hrsg.) „International Conference on Evolutionary Computation“, S. 622–627. IEEE Press 1996 Dorigo M., Gambardella L.M.: „Ant Colonies for the Traveling Salesman Problem“. Brüssel 1996

      Google Scholar 

    Künstliche Neuronale Netze

    1. McCulloch W. S., Pitts W. H.: „A logical calculus of the ideas immanent in nervous activity“. B Math Biophys. 5, 115–133 1943

      Article  MathSciNet  Google Scholar 

    2. Hebb D. O.: „The Organization of Behaviour“. Wiley 1949

      Google Scholar 

    3. Werbos P. J.: „Beyond Regression: New Tools for Prediction and Analysis in the Behavioural Sciences“. Dissertation, Hardvard, Cambridge 1974

      Google Scholar 

    4. Rumelhart D. E., Hinton G. E., Williams R. J.: „Learning internal representations by error propagation“. In: Rumelhart D. E., McClelland L. J. (Hrsg.) „Parallel Distributed Processing“ Bd. 1, S. 318–362. MIT Press 1986

      Google Scholar 

    Einige allgemeine und weiterführende (Lehr)bücher und Material im Internet:

      Künstliche Intelligenz – Allgemein

      1. Russel S. J., Norvig P.: „Artificial Intelligence – A modern Approach“. Prentice Hall, dt. Übersetzung bei Pearson 2009

        Google Scholar 

      Künstliche Intelligenz – Maschinelles Lernen

      1. Alpaydin E.: „Introduction to Machine Learning“. Prentice Hall, dt. Übersetzung bei Oldenbourg 2009

        MATH  Google Scholar 

      2. Mitchell T.M.: „Machine Learning“. McGraw Hill 1997

        MATH  Google Scholar 

      Künstliche Intelligenz – Schwarmintelligenz

      1. Bonabeau E., Dorigo M., Theraulaz G.: „Swarm intelligence: From Natural to Artificial Systems“. Oxford University Press 1999

        MATH  Google Scholar 

      2. Engelbrecht A. P.: „Fundamentals of Computational Swarm Intelligence“. Wiley 2005

        Google Scholar 

      Künstliche Intelligenz – Neuronale Netze

      1. Brause R.: „Neuronale Netze. Eine Einführung in die Neuroinformatik“. Teubner 1995

        MATH  Google Scholar 

      2. Haykin S.: „Neural Networks. A comprehensive Foundation“. Prentice Hall 1998

        MATH  Google Scholar 

      3. Kratzer K. P.: „Neuronale Netze“. Hanser 1993

        MATH  Google Scholar 

      4. Müller B., Reinhardt J., Strickland M. T.: „Neural Networks: An introduction“. Springer 2013

        Book  Google Scholar 

      5. Ripley B. D.: „Pattern Recognition and Neural Networks“. Cambridge University Press 2008

        MATH  Google Scholar 

      6. Scherer A.: „Neuronale Netze, Grundlagen und Anwendungen“. Vieweg 1997

        Google Scholar 

      7. Zell A.: „Simulation Neuronaler Netze“. Oldenbourg 1997

        MATH  Google Scholar 

      Download references

      Author information

      Authors and Affiliations

      1. Fürth, Deutschland

        Markus von Rimscha

      Authors
      1. Markus von Rimscha
        View author publications

        You can also search for this author in PubMed Google Scholar

      Rights and permissions

      Reprints and permissions

      Copyright information

      © 2017 Springer Fachmedien Wiesbaden GmbH

      About this chapter

      Cite this chapter

      von Rimscha, M. (2017). Künstliche Intelligenz. In: Algorithmen kompakt und verständlich. Springer Vieweg, Wiesbaden. https://doi.org/10.1007/978-3-658-18611-1_5

      Download citation

      Publish with us

      Policies and ethics

      Search

      Navigation