Techn. University, Diss., 2002--Berlin.

Techn. Universiẗat, Diss., 2003--Berlin.

Aachen, Techn. Hochsch., Diss., 2005

Universiẗat, Diss., 1998--Saarbrücken.

University, Diss., 1999--Saarbrücken.

Essen, University, Diss., 2005--Duisburg.

Simulations (MASim) and non-rational behaviour. This non-rational behaviour is here based on the Prospect Theory [KT79] (PT), which is compared to the rational behaviour in the Expected Utility Theory [vNM07] (EUT). This model was used to design a modified Q-Learning [Wat89, WD92] algorithm. The PT based Q-Learning was then integrated into a proposed agent architecture. Because much attention is given to a limited interpretation of Simon's definition of bounded-rationality, this interpretation is broadened here. Both theories, rationality and the non-rationality, are compared and the discordance in their results discussed. The main contribution of this work is to show that an alternative is available to the EUT that is more suitable for human decision-makers modelling. The evidences show that rationality is not appropriated for modelling persons. Therefore, instead of fine-tuning the existent model the use of another one is proposed and evaluated. To tackle this, the route choice problem was adopted to perform the experiments. To evaluate the proposed model three traffic scenarios are simulated and their results analysed.

Durch Zusammenführung traditioneller Methoden zur individuenbasierten Simulation und dem Konzept der Multiagentensysteme steht mit der Multiagentensimulation eine Methodik zur Verfügung, die es ermöglicht, sowohl technisch als auch konzeptionell eine neue Ebene an Detaillierung bei Modellbildung und Simulation zu erreichen. Ein Modell beruht dabei auf dem Konzept einer Gesellschaft: Es besteht aus einer Menge interagierender, aber in ihren Entscheidungen autonomen Einheiten, den Agenten. Diese ändern durch ihre Aktionen ihre Umwelt und reagieren ebenso auf die für sie wahrnehmbaren Änderungen in der Umwelt. Durch die Simulation jedes Agenten zusammen mit der Umwelt, in der er "lebt", wird die Dynamik im Gesamtsystem beobachtbar. In der vorliegenden Dissertation wurde ein Repräsentationsschema für Multiagentensimulationen entwickelt werden, das es Fachexperten, wie zum Beispiel Biologen, ermöglicht, selbständig ohne traditionelles Programmieren Multiagentenmodelle zu implementieren und mit diesen Experimente durchzuführen. Dieses deklarative Schema beruht auf zwei Basiskonzepten: Der Körper eines Agenten besteht aus Zustandsvariablen. Das Verhalten des Agenten kann mit Regeln beschrieben werden. Ausgehend davon werden verschiedene Strukturierungsansätze behandelt. Das wichtigste Konzept ist das der "Aktivität", einer Art "Verhaltenszustand": Während der Agent in einer Aktivität A verweilt, führt er die zugehörigen Aktionen aus und dies solange, bis eine Regel feuert, die diese Aktivität beendet und eine neue Aktivität auswählt. Durch Indizierung dieser Regeln bei den zugehörigen Aktivitäten und Einführung von abstrakten Aktivitäten entsteht ein Schema für eine vielfältig strukturierbare Verhaltensbeschreibung. Zu diesem Schema wurde ein Interpreter entwickelt, der ein derartig repräsentiertes Modell ausführt und so Simulationsexperimente mit dem Multiagentenmodell erlaubt. Auf dieser Basis wurde die Modellierungs- und Experimentierumgebung SeSAm ("Shell für Simulierte Agentensysteme") entwickelt. Sie verwendet vorhandene Konzepte aus dem visuellen Programmieren. Mit dieser Umgebung wurden Anwendungsmodelle aus verschiedenen Domänen realisiert: Neben abstrakten Spielbeispielen waren dies vor allem Fragestellungen zu sozialen Insekten, z.B. zum Verhalten von Ameisen, Bienen oder der Interaktion zwischen Bienenvölkern und Milbenpopulationen. / In this thesis a representational scheme for multi-agent simulations was developed. This framework enables domain experts - e.g. biologists - to build models and carry out experiments without having to understand and use traditional programming languages. The resulting declarative framework is based on two concepts: the body of an agent can be modelled by a set of state variables. The behaviour of the agents can be described best by using rules. With this as a starting point various approaches for structuring the description are examined. The most important concept is the concept of "activity" - a kind of "behavioural state": While the agent is in a certain activity A, it carries out the sequence of actions that is associated with A - and continues with it until a rule fires thus terminating the activity A and selecting a new one. By indexing these rules at the activity they are terminating and by introducing abstract activities, a framework for behaviour modelling emerges that can be structured in multifarious ways. An interpreter executing this representation scheme was developed in order to allow simulation experiments with such a multi-agent model. This simulator was integrated into a modelling and simulation environment, named SeSAm ("Shell for Simulated Agent-Systems"). Using this framework several models in different application domains are implemented: They are ranging from simple games to complex models, especially of social insects - e.g. the behaviour of ants or bees or the interactions between bee hives and mite populations.

Heutige Systeme für die Fertigungssteuerung müssen viele unterschiedliche Problemstellungen lösen. Vor allem die Komplexität der Anforderungen sowie die unterschiedlichen Interessen am Ablaufplan, wie hohe Termintreue, kurze Durchlaufzeiten und geringe Produktionskosten, gilt es zu beachten. Erschwert wird dies durch kurze Planungsfristen und hohe Flexibilitätsanforderungen. Komplexe Problemstellungen werden in der künstlichen Intelligenz unter anderem durch den Einsatz von Multiagentensystemen gelöst. Ein solches System zeichnet sich durch eine hohe Flexibilität sowie schnelle Reaktion auch auf unbekannte und nicht spezifizierte Ereignisse aus. Im Rahmen dieser Arbeit werden beide Forschungsgebiete miteinander verknüpft und so der Ansatz des agentenbasierten Fertigungsmanagements verfolgt. Der Schwerpunkt wird dabei auf die Ablaufplanung mit Anwendung auf produzierende Unternehmen gelegt. Vorgestellt wird ein Konzept, das auf Basis der Multiagenten-Technologie neue Aufträge möglichst schnell einplant und das eine Reparatur zur Herstellung der Konsistenz des Planes binnen Sekunden durchführt. Weiterhin findet die Vorstellung einer Planoptimierung statt, welche die vom Bediener spezifizierten Optimalitätsbedingungen umsetzt. Alle diese Verfahren laufen dezentral durch die Agenten ab und werden nur grob durch einen speziellen Agenten gesteuert. Grundlage des Systems ist ein Bewertungssystem, das den Plan anhand verschiedener Kriterien beurteilt. Zur Überprüfung der Funktion des erarbeiteten Konzeptes wurde ein Prototyp implementiert und anschließend analysiert. Trotz der Anwendung auf die Fertigungssteuerung sind alle Ansätze allgemein gehalten und können somit auch auf andere Bereiche, in denen eine Planung erforderlich ist, angewendet werden.

Zugl.: Stuttgart, Univ., Diss., 2008