Advertisement

Sonderforschungsbereich 531

>Design und Management komplexer Prozesse und Systeme mit Methoden der Computational Intelligence
  • Hans-Paul Schwefel
  • Ulrich Hammel
Conference paper
Part of the Informatik aktuell book series (INFORMAT)

Zusammenfassung

Fuzzy-Systeme, künstliche Neuronale Netzwerke und Evolutionäres Rechnen — im folgenden unter dem Begriff CI-Methoden (CI = Computational Intelligence) subsumiert — haben, grob betrachtet, vieles gemeinsam:
  • Ihre Grundkonzepte sind seit langem bekannt und waren zeitweise umstritten. Ein Grund für die anfänglich zögerliche Akzeptanz bestand unter anderem in der Nichtverfügbarkeit ausreichender Rechenleistung. Außerdem galt es, Widerstande in etablierten Disziplinen zu überwinden. Und, wie in anderen Forschungsfeldern auch, mußte sich zunächst eine „kritische Masse“ bilden, welche die Initialzündung für eine breite Forschung auslöste.

  • Sie werden zunehmend erfolgreich und immer breiter angewandt. Analog zu vielen anderen Wissenschaftszweigen entstand auch auf dem Gebiet der CI die kritische Masse im Bereich der Anwendungsforschung. Konkrete, praktische Probleme existieren und müssen gelöst werden, unabhängig davon, ob die Grundlagenforschung dies wahrnimmt oder nicht, vielleicht sogar die generelle Unlösbarkeit unter gewissen Prämissen zeigt. Neue Methoden werden oft zunächst versuchsweise angewandt und erweisen sich gegebenenfalls in der Praxis als nützlich, ohne daß der formale Nachweis der Anwendbarkeit a priori geführt wurde. Die Existenzberechtigung der Methoden lautet: „Es funktioniert“. Das ist dann Stimulans für die Suche nach dem „Warum?“bzw. „Wann und wann nicht?“.

Preview

Unable to display preview. Download preview PDF.

Unable to display preview. Download preview PDF.

Literatur

  1. 1.
    D. C. Dennett.Darwin’s Dangerous Idea. Simon & Schuster, New York, 1995.Google Scholar
  2. 2.
    H.-P. Schwefel. Parallel problem solving from nature. In A. Kent, J. G. Williams, and C. M. Hall, Hrsg.,Encyclopedia of Computer Science and Technology. Marcel Dekker, New York, 1997, (im Druck).Google Scholar
  3. 3.
    E. Fiesler and R. Beale, Hrsg.Handbook of Neural Computation. Oxford University Press, New York, 1996.zbMATHGoogle Scholar
  4. 4.
    E. Ruspini, P. Bonissone, and W. Pedrycz, Hrsg.Handbook of Fuzzy Computation. Oxford University Press, New York, 1997 (im Druck).Google Scholar
  5. 5.
    Th. Bäck, D. B. Fogel, and Z. Michalewicz, Hrsg.Handbook of Evolutionary Computation. Oxford University Press, New York, 1997.zbMATHCrossRefGoogle Scholar
  6. 6.
    J. M. Zurada, R. J. Marks II, and C. J. Robinson, Hrsg.Computational Intelligence: Imitating Life. IEEE Press, New York, 1994.Google Scholar
  7. 7.
    J. C. Bezdek. What is Computational Intelligence? In Zurada et al. [6], Seiten 1–12.Google Scholar
  8. 8.
    J. C. Bezdek. Computational Intelligence and Edge Detection. In A. Grauel, Hrsg., Proc. Fuzzy-Neuro-Systems’97— Computational Intelligence, Seiten 1-31. infix-Verlag, Sankt Augustin, 1997.Google Scholar
  9. 9.
    F. Rosenblatt. The Perceptron: A Probabilistic Model for Information Storage and Organization in the Brain.Psychological Review, 65 (6): 386–408, 1958.MathSciNetCrossRefGoogle Scholar
  10. 10.
    J. H. Holland. Outline for a logical theory of adaptive systems. J.of the ACM, 3:297–314, 1962.CrossRefGoogle Scholar
  11. 11.
    J. H. Holland. Adaptation in Natural and Artificial Systems. The Univ. of Michigan Press, Ann Arbor, MI, 1975.Google Scholar
  12. 12.
    L. J. Fogel. Autonomous automata.Industrial Research, 4:14–19, 1962.Google Scholar
  13. 13.
    L. J. Fogel, A. J. Owens, and M. J. Walsh.Artificial Intelligence through Simulated Evolution. Wiley, New York, 1966.zbMATHGoogle Scholar
  14. 14.
    I. Rechenberg. Cybernetic solution path of an experimental problem. Royal Aircraft Establishment, Library translation No. 1122, Farnborough, Hants., UK, August 1965.Google Scholar
  15. 15.
    I. Rechenberg.Evolutionsstrategie: Optimierung technischer Systeme nach Prinzipien der biologischen Evolution. Dissertation, TU Berlin, 1971.Google Scholar
  16. 16.
    H.-P. Schwefel. Experimentelle Optimierung einer Zweiphasenduse. Interner Bericht HE/F 35-B, AEG Forschungsinstitut, Berlin, Oktober 1968.Google Scholar
  17. 17.
    H.-P. Schwefel. Evolutionsstrategie und numerische Optimierung. Dissertation, TU Berlin, Mai 1975.Google Scholar
  18. 18.
    L. A. Zadeh. Fuzzy sets.Information and Control, 8:338–353, 1965.Google Scholar
  19. 19.
    M. Minsky and S. Papert.Perceptrons. MITPress, Cambridge, MA, 1969.Google Scholar
  20. 20.
    F. Hayes-Roth, D. A. Waterman, and D. B. Lenat, Hrsg.Building Expert Systems. Addison-Wesley, Reading, MA, 1983.Google Scholar
  21. 21.
    R.K. Lindsay, B.G. Buchanan, E.A. Feigenbaum, and J. Lederberg.Applications of Artificial Intelligence for Organic Chemistry: The DENDRAL Project. McGrawHill, New York, 1980.Google Scholar
  22. 22.
    B.G. Buchanan and E.H. Shortcliff.Rule Based Expert Systems: The MYCIN Experiments of the Stanford Heuristic Programming Project. Addison-Wesley, Reading, MA, 1985.Google Scholar
  23. 23.
    J. J. Hopfield. Neural networks and physical systems with emergent collective computational abilities.Proc. National Academy of Science, 79:2554–2558, 1982. .MathSciNetCrossRefGoogle Scholar
  24. 24.
    D.E Rumelhart und J.L McClelland.Parallel Distributed Processing — Explorations in the Microstructure of Cognition, Band 1: Foundations. MIT Press, Cambridge, MA, 1986Google Scholar
  25. 25.
    T.J. Sejnowski and C. R. Rosenberg. Parallel Networks that Learn to Pronounce English Text.Complex Systems, 1:145–168, 1987.zbMATHGoogle Scholar
  26. 26.
    T. Kohonen, M. Shozakai, J. Kangas, and O. Venta. Microprocessor implementation of a large vocabulary speech recognizer and phonetic typewriter for Finnish and Japanese. In J.A. Laver and M.A. Jack, Hrsg.,Proc. Europ. Conf. on Speech Technology, Seiten 377–380. CEP Consultants, Edinburgh, 1987.Google Scholar
  27. 27.
    D. E. Goldberg. Genetic algorithms and rule learning in dynamic system control. In J. J. Grefenstette, Hrsg.,Proc. First Int’1 Conf. Genetic Algorithms and Their Applications, Seiten 8–15. Lawrence Erlbaum, Hillsdale, NJ, 1985.Google Scholar
  28. 28.
    D. E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. Addison-Wesley, Reading, MA, 1989.zbMATHGoogle Scholar
  29. 29.
    D. Hartmann. Optimization in CAD: On the applicability of nonlinear evolutionstrategies for optimization problems in CAD. In J.S. Gero, Hrsg.,Optimization in Computer-Aided Design, Seiten 293–305. Elsevier, Amsterdam, 1985.Google Scholar
  30. 30.
    L. P. Holmblad and J. J. Ostergaard. Control of a cement kiln by fuzzy logic.FIDP, Seiten 389–399, 1982.Google Scholar
  31. 31.
    J. T. Alander. An Indexed Bibliography of Genetic Algorithms: Years 1957–1993. Art of CAD Ltd, Espoo, Finnland, 1994.Google Scholar
  32. 32.
    C. C. Klimaskausas, Hrsg.The 1989 Neuao-Computing Bibliography. MITPress, Cambridge, MA, 1989.Google Scholar
  33. 33.
    K. Hirota.Industrial Applications of Fuzzy Technology. Springer, Tokyo,1993. 34. M. Sugeno. Industrial Applications of Fuzzy Control. North-Holland, Amsterdam, 1985.Google Scholar
  34. 34.
    M. Sugeno .Industrial Application of Fuzzy Control. North-Holland, Amsterdam, 1985Google Scholar
  35. 35.
    M. M. Gupta and T. Yamakawa, Hrsg.Fuzzy Computing: Theory, Hardware and Applications. Elsevier, Amsterdam, 1988.zbMATHGoogle Scholar
  36. 36.
    J. Biethahn and V. Nissen.Evolutionary Algorithms in Management Applications. Springer, Berlin, 1995.zbMATHCrossRefGoogle Scholar

Copyright information

© Springer-Verlag Berlin Heidelberg 1997

Authors and Affiliations

  • Hans-Paul Schwefel
    • 1
  • Ulrich Hammel
    • 1
  1. 1.SFB 531Universität DortmundGermany

Personalised recommendations