Lernen und Selbstorganisation in natürlichen und technischen Systemen
Schwerpunkt ist (1) die Theorie und Anwendung des Reinforcement-Lernens. Dabei
untersuchen wir einerseits "Artifical Life" Systeme als Medien zur effektiven Realisierung des RL und
setzen andererseits die entwickelten Lernverfahren in Zusammenarbeit mit Industriepartnern zur Lösung
konkreter Aufgabenstellungen der dynamischen Optimierung ein. Geplant ist weiterhin der Einsatz zur
Kontrolle autonomer Roboter.
Weiterhin untersuchen wir (2) Synergieeffekte in Kolonien autonomer Agenten und verwenden diese in
Kombination mit Evolutionsstrategien zur automatisierten Generierung und Optimierung von Plänen.
Die eingesetzten Lernalgorithmen werden (3) mit avancierten Methoden der statistischen Mechanik theoretisch
analysiert.
Siehe Veröffentlichungen