Zusammenfassung
Problemlösen bedeutet die Anwendung von Verfahren auf die Problembeschreibung mit dem Ziel der Lösungsfindung. Die Problemlösung wird repräsentiert durch die Verwendung der Daten entsprechend Input und Output, durch die Funktionen entsprechend der Konkretisierung der Bearbeitungsvorschrift zur Erfällung der Anforderungen und durch die Kommunikation mit dem realisierten Datenaustausch auf den Kanälen. Die Repräsentation erfolgt in einem Modell, das die Frage beantwortet, welches Ergebnis wie und wann erzeugt wird. Schwerpunkt dieses Teils ist die Suche nach der Problemlösung durch geeignete Algorithmen.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Literatur
Aarts, E., Korst, J., Simulated Annealing and Boltzmann Machines, New York, 1990
Clancey, W, Heuristic classification, Artificial Intelligence 27, 1985,289–350
Clark, D. A., Uncertainty management in AI, Artificial Intelligence Review 4(2), 1990, 109–146
Dempster, A., Upper and lower probabilities induced by a multi-valued mapping, Annals of Mathematical Statistics 38(2), 1967,325–399
Freeman, J. A., Skapura, D. Algorithms, Applications, and Reading Mass., 1991
Garey, M. R., Johnson, D. S., Computers and Intractability: A Guide to the Theory of NP-Completeness, San Francisco, 1979
Van Hentenryck, P., Constraint Satisfaction in Logic Programming, Cambridge MA, 1989
Hertz, J., Krogh, A., Palmer, R. G., Introduction to the Theory of Neural Computation, Redwood City CA, 1991
Hopfield, J. J., Neural networks and physical systems with emergent collective computational abilities, Proc. National Academy of Sciences USA 79(8),1982,2554–2558
van Laarhoven, P. J. M, Aarts, E. H. L, Simulated Annealing: Theory and Applications, Dordrecht, 1989
Meißner, J. D., Heuristische Programmierung, Wiesbaden 1978
Nilsson, N. J., Principles of Artificial Intelligence, Palo Alto CA, 1980
Rosenblatt, F., Principles of Neurodynamics: Perceptrons and the Theory of Brain Mechanisms, Washington D.C., 1962
Rich, E., Knight, K., Artificial Intelligence, New York, 1991
Shafer, G. A., A Mathematical Theory of Evidence, Princeton NJ, 1976
Vazsonyi, A., Automated information systems in planning, control and command, Management Science 11, B–2, 1965
Author information
Authors and Affiliations
Rights and permissions
Copyright information
© 1996 Springer-Verlag Berlin Heidelberg
About this chapter
Cite this chapter
Schmidt, G. (1996). Modellierung der Problemlösung. In: Informationsmanagement. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-97681-0_5
Download citation
DOI: https://doi.org/10.1007/978-3-642-97681-0_5
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-61041-0
Online ISBN: 978-3-642-97681-0
eBook Packages: Springer Book Archive